Peter Pang, Đồng sáng lập và CTO của CREAO – Loạt bài phỏng vấn

Peter Pang, Đồng sáng lập và CTO của CREAO, mang đến một nền tảng sâu sắc về nghiên cứu trí tuệ nhân tạo và cơ sở hạ tầng học máy trong không gian trí tuệ nhân tạo mới nổi. Trước khi ra mắt CREAO vào năm 2025, Pang đã dành gần sáu năm tại Meta với tư cách là Nhà khoa học nghiên cứu, làm việc trên các sáng kiến trí tuệ nhân tạo tạo ra, gắn liền với các mô hình nền tảng LLaMA, bao gồm cả hệ thống LLM đại lý cho việc chú thích dữ liệu và tạo ra dữ liệu tổng hợp. Trước khi đến Meta, anh đã làm việc tại Apple (AAPL ) với tư cách là Kỹ sư học máy, tập trung vào NLP, học chuyển, học sâu và hệ thống dự đoán, trong khi những năm đầu tiên tại Brookhaven National Laboratory đã giúp anh tiếp xúc với nghiên cứu khoa học tiên tiến và hệ thống thí nghiệm. Kinh nghiệm của anh trong nghiên cứu trí tuệ nhân tạo tiên phong, học máy quy mô lớn và hệ thống tự động hiện nay định hình tầm nhìn kỹ thuật của CREAO về xây dựng các đại lý trí tuệ nhân tạo có khả năng thực hiện liên tục, bộ nhớ và tự động hóa công việc.

CREAO là một nền tảng bản địa trí tuệ nhân tạo, tập trung vào việc giúp các cá nhân và doanh nghiệp tạo ra các đại lý trí tuệ nhân tạo tự động và công việc thông qua ngôn ngữ tự nhiên thay vì mã hóa truyền thống. Công ty định vị “Siêu đại lý” của mình như một hệ thống trí tuệ nhân tạo liên tục, không chỉ có khả năng tạo ra đầu ra, mà còn có thể chuyển đổi các nhiệm vụ thành công thành các đại lý có thể hoạt động liên tục với bộ nhớ, lịch trình và tích hợp trên các công cụ và API bên ngoài. Nền tảng của CREAO hỗ trợ các mô hình trí tuệ nhân tạo tiên phong chính, bao gồm OpenAI, Anthropic, Google (GOOGL ) và các công ty khác, đồng thời nhấn mạnh mô hình hoạt động trí tuệ nhân tạo đầu tiên, nơi các đại lý ngày càng xử lý thực hiện hoạt động thay vì chỉ là trợ lý một lần. Được thành lập tại Palo Alto, công ty tập trung vào việc phát triển các công việc trí tuệ nhân tạo, tự động hóa không mã và dàn xếp trí tuệ nhân tạo có thể mở rộng cho các doanh nghiệp và chuyên gia độc lập.

Bạn đã dành gần sáu năm tại Meta làm việc trên các mô hình nền tảng LLaMA và hệ thống đại lý cho việc tạo ra dữ liệu tổng hợp sau các vai trò học máy trước đó tại Apple và nghiên cứu tại Brookhaven National Laboratory. Điều gì đã thuyết phục bạn rằng đó là thời điểm đúng để đồng sáng lập Creao AI, và vấn đề nào mà bạn cảm thấy các nền tảng trí tuệ nhân tạo hiện có vẫn chưa giải quyết được?

Tại Meta, tôi đã chứng kiến khả năng của mô hình cải thiện đáng kể với mỗi thế hệ. Tôi đã làm việc trên việc mở rộng LLaMA. Tôi đã thấy những gì các mô hình này có thể làm trong các môi trường được kiểm soát. Khoảng cách mà tôi nhận thấy không phải là về khả năng của mô hình – mà là về những gì mọi người thực sự nhận được từ chúng.

Mỗi nền tảng đều cung cấp cho bạn cùng một giao diện: một cửa sổ trò chuyện. Bạn hỏi, nó trả lời, bạn làm việc. Trí tuệ nhân tạo là một nhà thầu quên mọi thứ giữa các ca làm việc. Bạn chạy lại vào ngày mai. Hệ thống không học gì giữa các lần chạy. Doanh nghiệp của bạn vẫn giữ nguyên.

Đó là vấn đề. Không phải là trí tuệ của mô hình. Mà là việc thực hiện. Không ai xây dựng hệ thống nơi trí tuệ nhân tạo có thể đưa một kết quả từ cuộc trò chuyện đến thực hiện, duy trì và lặp lại mà không cần có con người trong vòng lặp.

Nền tảng của tôi trong vật lý đã dạy tôi cách suy nghĩ về các hệ thống, không phải các thành phần. Tại Brookhaven và thông qua tiến sĩ của tôi tại Stony Brook, tôi đã dành nhiều năm xây dựng các đường ống thí nghiệm nơi mà công cụ, thu thập dữ liệu và phân tích phải hoạt động như một vòng lặp đóng hoặc kết quả sẽ không có ý nghĩa. Tại Apple, tôi đã làm việc trên các mô hình đa phương thức và thấy cùng một mẫu: khả năng thô không có hệ thống xung quanh nó không tích lũy.

Khi Kai và tôi bắt đầu nói về CREAO, luận điểm là cụ thể: ngành công nghiệp không cần một trợ lý trò chuyện khác. Nó cần một vòng lặp đóng – trí tuệ nhân tạo xây dựng công cụ, chạy chúng và trở nên tốt hơn theo thời gian. Các mô hình cuối cùng đã đủ tốt. Không ai xây dựng vòng lặp.

CREAO mô tả mình là một nền tảng nơi trí tuệ nhân tạo có thể xây dựng công cụ và thực hiện công việc tự động. Bạn định nghĩa sự khác biệt giữa một hệ thống trí tuệ nhân tạo “vòng lặp đóng” thực sự và làn sóng các đồng nghiệp trí tuệ nhân tạo đang lấp đầy thị trường như thế nào?

Một đồng nghiệp ngồi bên cạnh bạn. Bạn lái xe, nó đề xuất. Nếu bạn đi ngủ, đồng nghiệp không làm gì.

Một hệ thống vòng lặp đóng hoàn thành chu kỳ đầy đủ: quan sát, hành động, học hỏi, cải thiện. Con người định nghĩa kết quả. Hệ thống xử lý thực hiện, duy trì và lặp lại.

Tại CREAO, chúng tôi nghĩ về điều này như một hệ thống dây nịt. Một đại lý đơn lẻ có thể soạn thảo một email, phân loại một lỗi hoặc tóm tắt một báo cáo. Nhưng một đại lý đơn lẻ không tích lũy. Nó chạy, tạo ra đầu ra và dừng lại. Một hệ thống dây nịt quấn quanh các đại lý và biến chúng từ các công cụ một lần thành một động cơ tự cải thiện. Nó theo một vòng lặp: Kết nối, Kiểm toán, Giải pháp, Xây dựng, Tự cải thiện. Hệ thống này kết nối với các nguồn dữ liệu thực của bạn – các kho lưu trữ của bạn, nhật ký lỗi của bạn, tài khoản quảng cáo của bạn. Nó đánh giá trạng thái hiện tại. Nó đề xuất các bản sửa lỗi. Các đại lý được xây dựng để thực hiện các bản sửa lỗi đó. Đầu ra được đưa trở lại. Một vòng lặp kiểm toán mới bắt đầu. Vòng lặp trở nên chặt chẽ hơn.

Điều đó cấu trúc khác với “Tôi có một đại lý làm X.” Đây là một hệ thống khám phá những gì X nên là, xây dựng X, đo lường X và phát triển X mà không cần bạn nói với nó.

Hầu hết các đồng nghiệp là hỗ trợ trí tuệ nhân tạo. Một vòng lặp đóng là vận hành trí tuệ nhân tạo. Đó là ranh giới chia cắt.

Bài đăng gần đây của bạn về “kỹ thuật dây nịt” và các tổ chức trí tuệ nhân tạo đầu tiên đã thu hút sự chú ý lớn trực tuyến. Điều gì đã khiến bạn ngạc nhiên nhất về phản ứng đối với ý tưởng rằng 99% mã sản xuất tại CREAO hiện được viết bởi trí tuệ nhân tạo?

Bài đăng đã đạt 1,8 triệu lượt xem. Tôi đã viết nó như một tài liệu cho đội của chúng tôi – một bản ghi về cách chúng tôi tái cấu trúc và những gì chúng tôi đã học được. Tôi không mong đợi sự tiếp cận như vậy.

Điều khiến tôi ngạc nhiên là sự chia rẽ trong phản ứng. Một nhóm nói rằng đây là điều không thể trách nhiệm, rằng bạn không thể tin tưởng mã được tạo bởi trí tuệ nhân tạo trong sản xuất. Nhóm khác nói: “Chúng tôi thấy điều tương tự và không ai nói về nó.”

Nhóm thứ hai nói với tôi điều gì đó quan trọng. Có những đội trên toàn ngành đang im lặng chuyển đổi như vậy. Một phóng viên tôi nói chuyện với nói rằng cô ấy đã nói chuyện với khoảng năm người về chủ đề này. Cô ấy nói chúng tôi đã đi xa hơn bất kỳ ai: “Tôi không nghĩ bất kỳ ai đã hoàn toàn tái xây dựng toàn bộ quy trình làm việc của họ như chúng tôi đã làm.”

Con số 99% nghe có vẻ khiêu khích, nhưng đó chỉ là kết quả của việc loại bỏ các nút thắt cổ chai của con người một cách tuần tự. Khi bạn thiết kế kiến trúc để các đại lý có thể xem toàn bộ cơ sở mã – chúng tôi đã thống nhất mọi thứ vào một kho lưu trữ duy nhất chỉ để trí tuệ nhân tạo có thể xem mọi thứ – và đường ống CI/CD của bạn có sáu giai đoạn xác định, và ba lượt xem xét song song của Claude bắt các vấn đề về chất lượng, bảo mật và phụ thuộc trên mỗi yêu cầu, và vòng lặp tự chữa lành của bạn phát hiện lỗi, phân loại và xác minh các bản sửa lỗi tự động – vai trò của con người thay đổi từ việc viết mã sang thiết kế hệ thống quản lý cách các đại lý viết mã. Khối lượng mã theo tự nhiên.

Điều khiến tôi ngạc nhiên nhất là tại sao nhiều CTO không nói điều này công khai. Tôi nghĩ nhiều người đang làm điều này nhưng sợ về nhận thức.

Trong bài viết của bạn, bạn lập luận rằng hầu hết các công ty vẫn “hỗ trợ trí tuệ nhân tạo” chứ không phải真正 “trí tuệ nhân tạo đầu tiên”. Những quan niệm sai lầm lớn nhất mà các đội lãnh đạo có khi họ tin rằng họ đã hoạt động như các tổ chức bản địa trí tuệ nhân tạo?

Tôi thấy các đội tuyên bố trí tuệ nhân tạo đầu tiên trong khi vẫn chạy cùng các chu kỳ sprint, cùng các bảng Jira, cùng các cuộc họp hàng tuần, cùng các cuộc kiểm tra QA. Họ đã thêm trí tuệ nhân tạo vào vòng lặp. Họ không tái thiết kế vòng lặp.

Quan niệm sai lầm lớn nhất: “Chúng tôi sử dụng các công cụ trí tuệ nhân tạo, do đó chúng tôi là trí tuệ nhân tạo đầu tiên.” Một kỹ sư mở Cursor. Một người quản lý dự án soạn thảo các thông số kỹ thuật với ChatGPT. QA thí nghiệm với tạo thử nghiệm trí tuệ nhân tạo. Quy trình làm việc vẫn giữ nguyên. Hiệu suất tăng 10 đến 20 phần trăm. Không có gì thay đổi về cấu trúc. Đó là hỗ trợ trí tuệ nhân tạo.

Đây là thử nghiệm: nếu bạn loại bỏ mọi công cụ trí tuệ nhân tạo vào ngày mai, quy trình của bạn có cần thay đổi, hay chỉ là công cụ của bạn? Nếu quy trình vẫn giữ nguyên, bạn không phải là trí tuệ nhân tạo đầu tiên.

Quan niệm sai lầm thứ hai là trí tuệ nhân tạo đầu tiên là quyết định của kỹ sư. Nếu kỹ sư giao các tính năng trong vài giờ nhưng bộ phận tiếp thị cần một tuần để công bố chúng, bộ phận tiếp thị là nút thắt. Nếu nhóm sản phẩm vẫn chạy chu kỳ lập kế hoạch hàng tháng, lập kế hoạch là nút thắt. Tại CREAO, chúng tôi đã đẩy các hoạt động bản địa trí tuệ nhân tạo vào mọi chức năng: ghi chú phát hành được tạo từ nhật ký thay đổi, video giới thiệu tính năng được tạo bởi trí tuệ nhân tạo, truyền thông xã hội được sắp xếp và tự động xuất bản, báo cáo sức khỏe được tạo từ cơ sở dữ liệu sản xuất. Kỹ sư, sản phẩm, tiếp thị và tăng trưởng chạy trong một quy trình làm việc bản địa trí tuệ nhân tạo. Nếu một chức năng hoạt động ở tốc độ đại lý và chức năng khác ở tốc độ con người, chức năng tốc độ con người sẽ hạn chế mọi thứ.

Quan niệm sai lầm thứ ba là chuyển đổi này có thể diễn ra từ từ. Một phiên bản phổ biến của điều này là những gì mọi người gọi là mã hóa cảm giác. Mở Cursor, đưa ra lời nhắc cho đến khi điều gì đó hoạt động, cam kết, lặp lại. Điều đó tạo ra các nguyên mẫu. Một hệ thống sản xuất cần sự ổn định, độ tin cậy và bảo mật. Bạn cần một hệ thống đảm bảo những thuộc tính đó khi trí tuệ nhân tạo viết mã. Bạn xây dựng hệ thống. Các lời nhắc là có thể vứt bỏ.

Bạn đã viết rằng sự đột phá thực sự đến khi CREAO tái thiết kế toàn bộ quy trình kỹ sư của mình xung quanh các đại lý trí tuệ nhân tạo thay vì chỉ thêm các công cụ trí tuệ nhân tạo vào các quy trình hiện có. Phần nào của quá trình chuyển đổi đó là khó khăn nhất về mặt hoạt động hoặc văn hóa cho đội?

Cả hai, nhưng chúng là những loại khó khăn khác nhau.

Về mặt hoạt động, quyết định khó khăn nhất là thống nhất cơ sở mã. Kiến trúc cũ của chúng tôi được phân tán trên nhiều hệ thống độc lập. Một thay đổi duy nhất có thể yêu cầu chạm vào ba hoặc bốn kho lưu trữ. Từ góc độ của một kỹ sư con người, có thể quản lý được. Từ góc độ của một đại lý trí tuệ nhân tạo, không rõ ràng. Đại lý không thể nhìn thấy toàn cảnh. Nó không thể suy luận về các ý nghĩa giữa các dịch vụ. Nó không thể chạy các thử nghiệm tích hợp cục bộ.

Tôi đã dành một tuần để thiết kế hệ thống mới và một tuần để tái kiến trúc toàn bộ cơ sở mã bằng cách sử dụng các đại lý. Đó là một quyết định táo bạo. Nếu nó thất bại, chúng tôi sẽ có một kho lưu trữ monorepo bị hỏng và một thiết lập đa kho lưu trữ bị hỏng. Nhưng nguyên tắc là rõ ràng: càng nhiều hệ thống bạn kéo vào một hình thức mà đại lý có thể kiểm tra, xác thực và sửa đổi, bạn càng có nhiều đòn bẩy. Một cơ sở mã bị phân mảnh là vô hình đối với các đại lý. Một cơ sở mã thống nhất là có thể đọc được.

Về mặt văn hóa, phần khó khăn nhất là bản dạng. Các kỹ sư tìm thấy giá trị của họ trong mã họ viết. Khi trí tuệ nhân tạo viết 99% mã, câu hỏi trở thành: công việc của tôi bây giờ là gì? Đó không phải là một câu hỏi về quy trình. Đó là một câu hỏi về sự tồn tại.

Tôi sẽ không giả vờ mọi người đều hạnh phúc. Khi tôi ngừng nói chuyện với mọi người hàng ngày vì thời gian quản lý của tôi giảm từ 60% xuống dưới 10%, một số thành viên trong đội cảm thấy không chắc chắn. Việc CTO không nói chuyện với tôi có nghĩa là gì? Giá trị của tôi trong thế giới mới này là gì? Đó là những lo lắng hợp lý. Một số người dành nhiều thời gian để tranh luận về việc trí tuệ nhân tạo có thể làm công việc của họ hơn là làm công việc.

Nhưng một khi mọi người trải nghiệm quy trình làm việc mới – nơi công việc của họ thay đổi từ việc nhập mã sang thiết kế hệ thống, định nghĩa SOP, xây dựng vòng lặp phản hồi – hầu hết đều thấy nó hấp dẫn hơn về mặt trí tuệ. Các kỹ sư gặp khó khăn nhất là những người gắn liền bản dạng của họ chặt chẽ với hành động viết mã. Những người thích nghi nhanh nhất coi mình là người giải quyết vấn đề trước và sau đó là lập trình viên.

Một trong những quan sát gây tranh cãi hơn trong phần của bạn là rằng các kỹ sư trẻ đã thích nghi nhanh hơn các kỹ sư cao cấp trong môi trường mới này. Bạn nghĩ rằng khả năng thích nghi đang trở nên quan trọng hơn kinh nghiệm kỹ thuật tích lũy trong các đội kỹ sư trí tuệ nhân tạo đầu tiên như thế nào?

Tôi nhận thấy một mẫu mà tôi không mong đợi. Các kỹ sư trẻ với ít thực hành truyền thống cảm thấy được trao quyền. Họ có quyền truy cập vào các công cụ khuếch đại tác động của họ. Họ không mang theo một thập kỷ thói quen để học lại.

Các kỹ sư cao cấp với thực hành truyền thống mạnh mẽ gặp khó khăn nhất. Hai tháng công việc của họ có thể được hoàn thành trong một giờ bởi trí tuệ nhân tạo. Đó là một điều khó chấp nhận sau nhiều năm xây dựng một bộ kỹ năng hiếm.

Lý do là cấu trúc. Chuyên môn của một kỹ sư cao cấp sống trong việc thực hiện cơ học của mã – điều hướng các hệ thống phức tạp, viết các triển khai được tối ưu hóa, thực hiện các đánh giá toàn diện. Những kỹ năng đó đã được kiếm được trong nhiều năm và chúng là thực. Nhưng trong một môi trường trí tuệ nhân tạo đầu tiên, kỹ năng cơ học của việc viết mã là phần được tự động hóa. Cái còn lại – và trở nên có giá trị hơn – là khả năng đánh giá, chỉ trích và chỉ đạo trí tuệ nhân tạo.

Tôi có bằng tiến sĩ về vật lý. Điều hữu ích nhất mà tiến sĩ của tôi đã dạy tôi là cách đặt câu hỏi về các giả định, kiểm tra các lập luận, tìm kiếm những gì bị thiếu. Khả năng chỉ trích trí tuệ nhân tạo là có giá trị hơn khả năng tạo ra mã. Bạn có thể nhìn vào một đề xuất kiến trúc và thấy chế độ thất bại mà đại lý đã bỏ qua không?

Các kỹ sư trẻ không bao giờ có chuyên môn cơ học sâu sắc để từ bỏ. Họ chỉ học điều mới mẻ.

Tôi không đưa ra một phán quyết. Tôi đang mô tả những gì tôi quan sát. Thâm niên vẫn là một lợi thế – suy nghĩ kiến trúc sâu sắc, trực giác thiết kế hệ thống – nhưng chỉ khi kỹ sư cao cấp sẵn sàng hoạt động ở một độ cao khác. Trong quá trình chuyển đổi này, khả năng thích nghi quan trọng hơn kinh nghiệm tích lũy.

CREAO đã tái thiết kế cơ sở hạ tầng của mình xung quanh các kho lưu trữ, đường ống CI/CD tự động, hệ thống xem xét trí tuệ nhân tạo và các vòng lặp tự chữa lành tích hợp các công cụ như CloudWatch, Sentry, Linear và Claude. Chúng ta đang ở gần một tương lai nơi các hệ thống phần mềm chủ yếu tự duy trì và tự sửa chữa như thế nào?

Chúng tôi chạy một vòng lặp tự chữa lành trong sản xuất ngay bây giờ. Hãy để tôi mô tả những gì nó thực sự làm.

Mỗi sáng thứ Hai lúc 9:00 UTC, một quy trình làm việc tự động chạy. Claude Sonnet truy vấn CloudWatch, phân tích các mẫu lỗi trên tất cả các dịch vụ và tạo ra một bản tóm tắt sức khỏe điều hành được gửi đến đội. Không ai yêu cầu nó. Một giờ sau, động cơ phân loại lỗi sản xuất từ CloudWatch và Sentry, đánh giá mỗi nhóm theo chín chiều nghiêm trọng – tác động của người dùng, tốc độ, bán kính nổ, tính quan trọng kinh doanh và năm chiều khác – và tự động tạo ra các vé điều tra trong Linear với nhật ký mẫu, điểm cuối bị ảnh hưởng và đường dẫn điều tra được đề xuất.

Khi một kỹ sư đẩy một bản sửa lỗi, cùng một đường ống xử lý nó. Ba lượt xem xét Claude đánh giá PR – chất lượng mã, bảo mật và quét phụ thuộc. CI xác thực thông qua một đường ống sáu giai đoạn. Sau khi triển khai, động cơ phân loại lỗi kiểm tra lại. Nếu các lỗi ban đầu được giải quyết, vé tự động đóng.

Trên hết, chúng tôi đã xây dựng những gì chúng tôi gọi là Dây nịt Đại lý. Một bảng đánh giá ba thẩm phán – một thẩm phán Anthropic, một thẩm phán OpenAI, một thẩm phán Google – chấm điểm mỗi phản hồi đại lý trực tiếp. Khi điểm số giảm, một đường ống kỹ sư sáu công việc biến các điểm số thấp thành vé Linear, bản nháp PR và bản sửa lỗi được xác minh. Và đối với các thay đổi lớn, các bản phát hành xám được điều khiển bởi trí tuệ nhân tạo định tuyến 10% lưu lượng truy cập đến biến thể mới và quảng bá thông qua 20%, 50%, 100% chỉ khi điểm số giữ.

Chúng tôi không có một đội QA. Chúng tôi không có một môi trường giai đoạn. Không ai đọc bản ghi và chấm điểm phản hồi đại lý bằng tay.

Vậy chúng ta đang ở gần đâu? Gần hơn những gì hầu hết mọi người nghĩ đối với các lĩnh vực bị giới hạn – các mẫu lỗi được biết, hồi quy, trôi đổi cấu hình. Tôi sẽ nói rằng 70 đến 80 phần trăm bảo trì sản xuất có thể chạy theo cách này với cơ sở hạ tầng phù hợp. Phần vẫn cần con người là thất bại mơ hồ nơi kiến trúc bản thân có thể sai hoặc nơi bản sửa lỗi yêu cầu hiểu một quyết định kinh doanh không được mã hóa trong hệ thống.

Kết luận thực tế: bạn không cần phải đợi sự hoàn hảo. Ngay cả việc tự chữa lành một phần cũng thay đổi đáng kể động lực của đội.

Bạn đã mô tả một tương lai nơi “các công ty một người” có thể trở nên phổ biến khi các đại lý trí tuệ nhân tạo thay thế các đội vận hành lớn. Loại công ty hoặc ngành nào bạn nghĩ sẽ cảm nhận được sự thay đổi này đầu tiên?

Các công ty nơi tỷ lệ chi phí vận hành trên giá trị cốt lõi được tạo ra là cao nhất.

Tôi tin rằng các công ty một người sẽ trở nên phổ biến. Nếu một kiến trúc sư với các đại lý có thể làm việc của 100 người, nhiều công ty sẽ không cần một nhân viên thứ hai. Khả năng của mô hình là đồng hồ驱 động sự thay đổi này. Tôi quy kết toàn bộ sự thay đổi tại CREAO cho hai tháng cuối cùng. Opus 4.5 không thể làm những gì Opus 4.6 làm. Các mô hình thế hệ tiếp theo sẽ tăng tốc nó hơn nữa.

Sự thay đổi này sẽ ảnh hưởng đầu tiên đến bất kỳ nơi nào công việc là kỹ thuật số, có thể lặp lại và vòng lặp phản hồi rõ ràng. Sản xuất nội dung, vận hành tiếp thị, thương mại điện tử, công cụ dành cho nhà phát triển, cơ quan kỹ thuật số. Nếu doanh nghiệp của bạn cơ bản là về việc lấy thông tin, biến đổi nó và phân phối nó, một hệ thống dây nịt có thể xử lý hầu hết vòng lặp đó.

Chúng tôi thấy điều này trên nền tảng của chính mình. Chúng tôi mô tả các trường hợp sử dụng cụ thể trong công việc của chúng tôi: một người sáng lập độc lập kết nối GitHub, Sentry và CloudWatch. Hệ thống kiểm toán nhật ký lỗi, tần suất triển khai và sức khỏe cơ sở hạ tầng. Từ kiểm toán đó, nó xây dựng một đại lý phân loại lỗi, một đại lý khám phá tính năng, một đường ống tạo nội dung, một vòng lặp tối ưu hóa cơ sở hạ tầng. Mỗi đại lý chạy, tạo ra đầu ra và đầu ra đó thay đổi trạng thái. Vòng lặp tiếp theo, kiểm toán thấy một bức tranh khác. Hệ thống tìm ra các giải pháp mới. Người sáng lập không lập kế hoạch cho chúng.

Tại CREAO, chúng tôi chạy các hoạt động của chính mình theo cách này. Một đại lý thay thế một quy trình SEO ba người qua đêm. Một đại lý khác chạy một đường ống nội dung trong hai ngày trước khi ai đó kiểm tra đầu ra. Đầu ra là rác rưởi và chúng tôi đã giết nó. Cả hai điều đó xảy ra trong cùng một tuần. Chúng tôi gọi mình là những con chuột thí nghiệm cho tương lai của công việc.

Ngành công nghiệp cảm nhận được sự thay đổi này muộn: chăm sóc sức khỏe, sản xuất nặng, pháp lý – bất kỳ nơi nào công việc là vật lý, được quản lý chặt chẽ hoặc yêu cầu phán quyết của con người trong mọi quyết định. Nhưng ngay cả trong đó, các lớp hành chính sẽ bị nén.

CREAO gần đây đã huy động được 10 triệu đô la do Prosperity7 Ventures, cánh tay đầu tư mạo hiểm của Saudi Aramco, dẫn đầu. Ngoài việc tài trợ, quan hệ đối tác này mở ra những cơ hội chiến lược nào cho công ty khi các đại lý trí tuệ nhân tạo trở nên tập trung vào doanh nghiệp?

Prosperity7 quản lý một quỹ đa dạng 3 tỷ đô la và hoạt động trên Thung lũng Silicon, Trung Đông và châu Á. Họ đã xây dựng một danh mục đầu tư bao gồm cơ sở hạ tầng trí tuệ nhân tạo doanh nghiệp – Arcee AI, Spirit AI và các công ty khác. Sự phù hợp chiến lược vượt ra ngoài vốn.

Luận điểm của họ phù hợp với chúng tôi. Như Raed Twaily, Giám đốc điều hành của họ, đã nói công khai: “Khi việc áp dụng trí tuệ nhân tạo trưởng thành, sự tập trung đang chuyển từ các mô hình sang thực hiện. Creao AI đang xây dựng lớp cơ sở hạ tầng cho phép các đại lý hoạt động tự chủ, đáng tin cậy và liên tục.” Đó chính xác là những gì chúng tôi tin tưởng. Thị trường đại lý trí tuệ nhân tạo được dự đoán sẽ đạt 52 tỷ đô la vào năm 2030. Các công ty nắm bắt được giá trị thực sự sẽ không phải là những công ty có mô hình tốt nhất. Họ sẽ là những công ty có lớp thực hiện tốt nhất.

Về mặt thực tế, 10 triệu đô la – đưa tổng số của chúng tôi lên 25 triệu đô la trên ba vòng trong chưa đầy một năm – tăng tốc ba điều. Đầu tiên, độ sâu kỹ sư. Chúng tôi đang mở rộng đội để xử lý các tích hợp cấp doanh nghiệp và cộng tác đại lý với đại lý. Vòng lặp tự chữa lành, bảng đánh giá ba thẩm phán, hệ thống phát hành được điều khiển bởi trí tuệ nhân tạo – những thứ này cần hoạt động ở quy mô doanh nghiệp, không chỉ cho một đội 25 người. Thứ hai, phạm vi địa lý. Sự hiện diện của Prosperity7 ở Trung Đông và châu Á mở ra các thị trường mà việc áp dụng trí tuệ nhân tạo tự chủ đang tăng tốc nhanh hơn những gì hầu hết mọi người ở Thung lũng Silicon nhận ra. Thứ ba, uy tín thể chế. Khi bạn yêu cầu các doanh nghiệp tin tưởng các đại lý chạy các hoạt động của họ liên tục, sự hậu thuẫn đó quan trọng.

Chúng tôi đã huy động được 25 triệu đô la trong chưa đầy một năm với không có tiếp thị trả phí và 200.000 người dùng thông qua việc áp dụng hữu cơ. Tốc độ đó phản ánh sự chắc chắn của thị trường rằng lớp thực hiện là trận chiến tiếp theo.

Nhìn về phía trước, thành công trông như thế nào đối với CREAO trong vài năm tới? Liệu tầm nhìn dài hạn có phải là xây dựng các đại lý trí tuệ nhân tạo tốt hơn, hay bạn đang cố gắng định nghĩa lại cách các công ty được cấu trúc và vận hành?

Cả hai. Và chúng không thể tách rời.

Gần hạn, thành công có nghĩa là chứng minh mô hình vòng lặp đóng hoạt động ở quy mô. Chúng tôi có 200.000 người dùng đã đến thông qua việc áp dụng hữu cơ kể từ khi ra mắt vào tháng 9 năm 2025. Chúng tôi giao hàng sản xuất ba đến tám lần một ngày. Chúng tôi chạy kỹ sư, tiếp thị và vận hành của chính mình trên dây nịt. Bước tiếp theo là chứng minh rằng các doanh nghiệp của mọi quy mô có thể chạy theo cách tương tự.

Nhưng các đại lý tốt hơn không phải là trò chơi cuối cùng. Trò chơi cuối cùng là dây nịt – hệ thống xung quanh các đại lý.

Một đại lý là một công cụ. Một hệ thống dây nịt là một bánh xe quay. Càng chạy, càng chặt. Càng nhìn thấy dữ liệu, càng tốt trong việc kiểm toán. Càng tốt trong việc kiểm toán, càng sắc nét trong việc giải quyết. Càng sắc nét trong việc giải quyết, càng có tác động trong việc tạo ra các đại lý. Càng có tác động trong việc tạo ra các đại lý, càng thay đổi dữ liệu. Và vòng lặp tiếp tục.

Mô hình của thế kỷ 20 về một công ty là một hệ thống phân cấp của con người được tổ chức thành các bộ phận, mỗi bộ phận có các nhà quản lý, mỗi bộ phận có các quy trình được thiết kế cho thông lượng của con người. Khi các đại lý có thể thực hiện đáng tin cậy hầu hết công việc vận hành, mô hình đó không chỉ trở nên hiệu quả hơn – nó bắt đầu trở nên không cần thiết.

Mọi người đều biết rằng trí tuệ nhân tạo hứa hẹn một vụ nổ về năng suất. Nhưng ngành công nghiệp đang mắc kẹt trong hai bẫy. Nếu con người vẫn vận hành các công cụ trí tuệ nhân tạo bước bằng bước, năng suất sẽ đạt đến trần. Và nếu con người vẫn là những người xây dựng các công cụ, cuộc cách mạng thực sự chưa bắt đầu. Chúng tôi đang xây dựng hệ thống nơi trí tuệ nhân tạo làm cả hai: xây dựng các công cụ và chạy chúng.

Hầu hết các người sáng lập tôi nói chuyện với vẫn vận hành theo cách truyền thống. Một số nghĩ về việc thực hiện sự thay đổi. Rất ít người đã làm điều đó. Các công cụ để bất kỳ đội nào thực hiện điều này đều tồn tại. Không có gì trong ngăn xếp của chúng tôi là độc quyền. Ưu thế cạnh tranh là quyết định tái thiết kế mọi thứ xung quanh các công cụ này và sẵn sàng hấp thụ chi phí.

Chúng tôi đã xây dựng một nền tảng đại lý. Các đại lý đã xây dựng lại nó. Đó là nguyên tắc thiết kế. Dây nịt càng ngày càng chặt.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập CREAO.