Khép lại bài (2), Py có để ngỏ một câu hỏi: Khi AI agent đã đủ sức gánh vác toàn bộ phần thực thi, thì con người sẽ còn lại phần việc gì? Nhiều người thường nghĩ ngay đến viễn cảnh bị thay thế, nhưng dưới góc nhìn của một người làm sản phẩm, Py lại thấy mình – và công việc của mình – đang bước vào một cuộc dịch chuyển vai trò thú vị và nhiều thách thức hơn rất nhiều.

(Phần tổng hợp nghiên cứu trong bài được thực hiện với sự hỗ trợ của AI.)

Case study: Khi con người hỗ trợ AI phục vụ khách hàng

Để tiếp nối mạch bài trước, hãy quay lại câu chuyện của Hostinger. Khi AI agent đã có thể tự xử lý 91% yêu cầu mà không cần con người can thiệp, một câu hỏi tất yếu được đặt ra là đội ngũ support sẽ đi về đâu.

Thông thường, khi AI gặp một ca khó, hệ thống sẽ chuyển khách hàng sang hàng đợi live chat để nhân viên tiếp nhận lại từ đầu. Tuy nhiên, Hostinger lại chọn một hướng đi khác khi định hình một vai trò mới mang tên AI CX Engineer. Trong những tình huống phức tạp, chuyên viên sẽ không trực tiếp nhảy vào làm thay AI. Thay vào đó, họ đóng vai trò “tiếp sức” bằng cách cung cấp thêm ngữ cảnh và gỡ rối những điểm AI hiểu sai, sau đó nhường lại quyền giao tiếp cho agent.

Kết quả mang lại cực kỳ ấn tượng:

• Tỷ lệ các ca được chuyên viên hỗ trợ mà agent tự giải quyết thành công tăng vọt từ 41% lên 72%.
• Tỷ lệ khách hàng phải chuyển sang live chat giảm mạnh từ 10% xuống chỉ còn 4,5%.
• Thời gian xử lý trung bình rút ngắn xuống còn 3 phút, tối ưu hơn rất nhiều so với mức hơn 50 phút của live chat truyền thống.

Chi tiết đáng chú ý nhất không nằm ở những con số, mà ở sự thay đổi về bản chất công việc. Vẫn là đội ngũ support phục vụ cùng một tệp khách hàng, nhưng đối tượng mà họ trực tiếp thao tác giờ đây không còn là những chiếc ticket khô khan, mà chính là các AI agent.

Dịch chuyển vai trò: Từ người thực thi đến quản lý agent

Theo quan sát của Py, khi phần thực thi dần được giao phó cho AI, con người sẽ đảm nhận những công việc như:

• Điều phối: Quyết định kết quả cuối cùng mong muốn là gì, phân bổ công việc cho từng agent phù hợp và xác định điểm luân chuyển công việc giữa người với máy.
• Giám sát: Theo dõi sát sao tiến độ của agent, phát hiện những điểm AI thiếu chắc chắn hoặc gặp lỗi để kịp thời can thiệp.
• Huấn luyện: Cung cấp ngữ cảnh, chính sách, ví dụ và phản hồi để rèn luyện AI. Đây chính là phần việc mà các AI CX Engineer tại Hostinger đang thực hiện.
• Kiểm toán (audit): Đánh giá chất lượng, mức độ tuân thủ, rà soát lại cơ sở ra quyết định của AI và xác định bên chịu trách nhiệm.

Thực tế, cả bốn vai trò này đều không hề mới vì những người quản lý từ trước đến nay vẫn luôn đảm đương chúng. Điểm khác biệt duy nhất là đối tượng được quản lý giờ đây không chỉ giới hạn ở con người.

Microsoft gọi hình mẫu người lao động mới này là “agent boss”, nghĩa là một nhân viên bình thường cũng có thể tự xây dựng, giao việc và quản lý agent mà không cần đến chức danh Manager. Theo khảo sát Work Trend Index 2025, các nhà lãnh đạo dự báo trong vài năm tới, đội ngũ nhân sự sẽ cần phải biết xây dựng hệ thống nhiều agent (42%), huấn luyện agent (41%) và quản lý agent (36%). Điều này đồng nghĩa với việc kỹ năng “quản lý agent” sẽ trở nên phổ biến ở mọi cấp độ.

Sự chuyển dịch này đặt ra một bài toán đầy thách thức cho những người làm sản phẩm. Nếu như trước đây, giao diện UX/UI luôn được tối ưu hóa cho các thao tác và việc nhập liệu, thì trong kỷ nguyên AI-native, giao diện cần phải tiến hóa thành các trung tâm giám sát (audit) và nghiệm thu.

Và nhìn lại tầng cao nhất trong thang đo AI Diffusion Py có đề cập ở bài (1): tầng Delegation – Ủy quyền, người dùng ở cấp độ này rất cần những màn hình giúp họ nắm bắt nhanh các hành động của AI cũng như hiểu được cơ sở dữ liệu đằng sau mỗi quyết định. Nhất là, việc thiết kế một nút “dừng khẩn cấp” dễ dàng kích hoạt khi có sự cố chệch hướng là vô cùng quan trọng. Thay vì loay hoay với câu hỏi “làm sao để user bấm nút này nhanh nhất”, những người làm sản phẩm giờ đây phải trăn trở thiết kế thế nào để người dùng đủ tin tưởng mà giao phó công việc cho hệ thống.

Bài học thực tế từ Klarna

Nếu chỉ phân tích đến đây, góc nhìn có vẻ sẽ hơi lạc quan thái quá. Do đó, câu chuyện của Klarna sẽ mang đến một bức tranh toàn diện hơn với đầy đủ cả hai mặt.

Đầu năm 2024, Klarna công bố trợ lý AI của họ đã xử lý 2,3 triệu cuộc hội thoại chỉ trong tháng đầu tiên, tương đương 2/3 tổng lượng chat chăm sóc khách hàng và bằng khối lượng công việc của 700 nhân sự toàn thời gian. Nhờ đó, thời gian xử lý rớt từ 11 phút xuống dưới 2 phút. Đến quý 3 năm 2025, hiệu suất của AI tương đương 853 nhân sự, giúp công ty tiết kiệm khoảng 60 triệu USD. Đây là nửa câu chuyện màu hồng mà ai cũng thường trích dẫn.

Thế nhưng ở mặt còn lại, vào tháng 5/2025, chính Klarna đã công khai điều chỉnh chiến lược và tuyển dụng lại nhân sự cho mảng hỗ trợ. Nguyên nhân không phải vì AI hoạt động kém, mà do họ nhận ra có những ca không nên để AI tự quyết định, ví dụ như xử lý tranh chấp, nghi ngờ gian lận hoặc khi khách hàng đang gặp khó khăn tài chính.

Chi tiết cuối cùng này mới là điểm đắt giá nhất. Con người không được giữ lại để giải quyết những vấn đề khó về mặt kỹ thuật, mà để xử lý những tình huống có mức độ rủi ro và hệ quả cao.

Key findings

Đi hết ba bài thì thứ đọng lại với Py không phải một dự đoán về nghề nghiệp., mà là cách đặt câu hỏi khi làm sản phẩm.

Thời điểm AI mới chỉ là copilot, Py chỉ cần thiết kế một giao diện duy nhất dành cho con người. Nhưng khi AI agent bắt đầu nắm giữ toàn bộ quy trình, có lẽ Py sẽ cần thêm mới đến hai giao diện: một để agent hành động, và một để con người thấu hiểu, kiểm soát cũng như chịu trách nhiệm cho các hành động đó. Tức là cần thêm không gian cho AI “làm việc”, và người “giám sát công việc”.

1. Hostinger, thông cáo ngày 3/9/2026 về agent thế hệ mới và vai trò AI CX Engineer.
2. Microsoft, The 2025 Annual Work Trend Index: The Frontier Firm is born.
3. OpenAI, case study về trợ lý AI của Klarna; số liệu quý 3/2025 và việc tuyển lại nhân sự từ bản tổng hợp của Fini.

Cám ơn bạn đã nán lại cho đến những dòng cuối cùng này.

Chúc bạn nhiều may mắn và bình an.

Anpy