Autonomous Agents là gì? 5 cấp độ tự hành của AI từ đọc hiểu đến tự thực thi

Năm 2025, trí tuệ nhân tạo không còn dừng lại ở việc trả lời câu hỏi hay tạo nội dung theo yêu cầu. Các hệ thống AI ngày càng được thiết kế để tự hành động — từ phân tích dữ liệu thị trường, đề xuất danh mục đầu tư, cho đến tự đặt lệnh giao dịch khi điều kiện được thỏa mãn. Sự phát triển này đặt ra câu hỏi: Autonomous Agents là gì, và làm thế nào để phân loại mức độ tự hành của AI?

Bài viết này sẽ giải thích khái niệm Autonomous Agents, đồng thời trình bày chi tiết 5 cấp độ tự hành của AI – từ cấp độ đọc hiểu cơ bản nhất cho đến cấp độ tự thực thi hoàn toàn. Mỗi cấp độ sẽ được minh họa bằng ví dụ cụ thể trong ngành tài chính và chứng khoán, giúp nhà đầu tư hiểu rõ năng lực thực tế của các công cụ AI đang có mặt trên thị trường.

1. Autonomous Agents là gì?

Autonomous Agents (tạm dịch: tác tử tự hành) là các hệ thống trí tuệ nhân tạo có khả năng nhận thức môi trường, ra quyết định và thực thi hành động mà không cần sự can thiệp liên tục từ con người. Thuật ngữ này được định nghĩa lần đầu trong lĩnh vực AI lâu đời, nhưng đã bước sang giai đoạn hoàn toàn mới nhờ sự phát triển của các mô hình ngôn ngữ lớn (LLM).

Theo Franklin và Graesser (1997), một Autonomous Agent là hệ thống nằm trong và là một phần của môi trường, cảm nhận môi trường đó và hành động trên nó, theo thời gian, để theo đuổi chương trình nghị sự riêng của mình. Điểm khác biệt cốt lõi so với phần mềm truyền thống nằm ở chỗ: phần mềm truyền thống hoạt động theo quy tắc cố định (if-then), còn Autonomous Agents có khả năng suy luận, thích ứng và tự điều chỉnh trước tình huống mới.

Trong ngành tài chính, khái niệm này đặc biệt quan trọng bởi tốc độ xử lý thông tin và phản ứng với biến động thị trường vượt xa khả năng của con người. Một AI Agent trong lĩnh vực chứng khoán có thể liên tục theo dõi giá tài sản, phân tích tin tức vĩ mô, đánh giá chỉ số VN-Index và đưa ra hành động phù hợp – tất cả diễn ra trong thời gian thực.

>> Đọc thêm: AI Agent là gì? Phân biệt Agentic AI, Generative AI và Chatbot

2. 5 cấp độ tự hành của AI – Phân loại AI Agent theo mức độ tự chủ và ví dụ ứng dụng trong tài chính

Để đo lường năng lực của một hệ thống AI, giới nghiên cứu và các tổ chức tài chính đã phát triển nhiều khung phân loại. Dựa trên các nghiên cứu từ IBM Research, MIT CSAIL và ứng dụng thực tế trong ngành tài chính, có thể chia mức độ tự hành của AI thành 5 cấp độ rõ ràng:

Level 1 – AI đọc hiểu (Comprehension)

Đặc điểm: Ở cấp độ thấp nhất, AI có khả năng đọc, hiểu và tổng hợp thông tin từ văn bản, báo cáo tài chính, tin tức hoặc dữ liệu thị trường. Hệ thống hoạt động hoàn toàn thụ động — chỉ xử lý khi có input cụ thể từ người dùng và không tự đưa ra hành động.

Khả năng

• Đọc và tóm tắt các tài liệu, báo cáo dài hàng trăm trang.
• Tổng hợp tin tức, sự kiện từ nhiều nguồn dữ liệu khác nhau.
• Diễn giải biểu đồ, số liệu thô thành ngôn ngữ tự nhiên.
• Trả lời câu hỏi trích xuất từ cơ sở dữ liệu có sẵn.

Ví dụ trong tài chính

Một công cụ AI đọc hiểu có thể phân tích báo cáo kết quả kinh doanh quý của Công ty Cổ phần Vinhomes (VHM) và đưa ra tóm tắt: “Doanh thu quý III/2025 đạt 28.500 tỷ đồng, tăng 12% so với cùng kỳ năm ngoái, chủ yếu nhờ doanh số bán hàng tại dự án Ocean City.” Nhà đầu tư vẫn cần tự đánh giá ý nghĩa của con số này và đưa ra quyết định mua hay bán. Đây chính là ứng dụng cơ bản của AI trong hỗ trợ phân tích đầu tư.

Level 2 – AI phân tích (Analysis)

Đặc điểm: Vượt khỏi mức đọc hiểu thụ động, AI ở cấp độ này có khả năng phân tích sâu dữ liệu, nhận diện mối liên hệ giữa các biến số, so sánh với dữ liệu lịch sử và đưa ra nhận định về xu hướng. Tuy nhiên, hệ thống vẫn chỉ dừng ở vai trò phân tích – không đề xuất hành động cụ thể.

Khả năng

• Phân tích các tập dữ liệu lớn để tìm ra các quy luật ẩn.
• So sánh hiệu quả hoạt động giữa các phòng ban, chiến dịch hoặc thực thể khác nhau.
• Nhận diện xu hướng tương lai dựa trên mô hình dữ liệu lịch sử.
• Đánh giá rủi ro và phát hiện điểm bất thường trong hệ thống.

Ví dụ trong tài chính

Thay vì chỉ đọc BCTC của Ngân hàng TMCP Ngoại thương Việt Nam (VCB), AI phân tích có thể so sánh chỉ số CASA, tỷ lệ chi phí trên thu nhập (CIR), tốc độ tăng trưởng tín dụng của VCB qua 8 quý gần nhất, đối chiếu với trung bình ngành ngân hàng và đưa ra nhận định: “VCB duy trì vị thế dẫn đầu với CIR thấp nhất ngành (dưới 35%), nhưng tốc độ tăng trưởng tín dụng đang chậm lại so với giai đoạn 2022-2023.” Nhà đầu tư có thêm dữ liệu để ra quyết định, nhưng vẫn tự chịu trách nhiệm về lựa chọn cuối cùng.

Level 3 – AI đề xuất (Recommendation)

Đặc điểm: Đây là cấp độ mà AI bắt đầu chuyển từ vai trò tư vấn sang vai trò chủ động hơn. Hệ thống không chỉ phân tích mà còn đề xuất hành động cụ thể dựa trên dữ liệu và mục tiêu được thiết lập. Tuy nhiên, quyết định cuối cùng vẫn thuộc về con người.

Khả năng

• Đề xuất các phương án tối ưu dựa trên bộ tiêu chí đầu vào.
• Gợi ý thời điểm hành động tốt nhất (timing) dựa trên dự báo dữ liệu.
• Khuyến nghị cách phân bổ nguồn lực (nhân sự, ngân sách, vật tư) hiệu quả nhất.
• Đưa ra các giải pháp cá nhân hóa cho từng nhóm đối tượng cụ thể.

Ví dụ trong tài chính

Một AI đề xuất có thể phân tích toàn bộ danh mục của nhà đầu tư đang nắm giữ cổ phiếu FPT, Vingroup (VIC) và cổ phiếu ngành bất động sản, kết hợp với dữ liệu lãi suất và tỷ lệ lạm phát hiện tại, sau đó đề xuất: “Danh mục hiện tại có tỷ trọng bất động sản cao (45%), trong bối cảnh lãi suất tăng. Finhay khuyến nghị giảm 10% tỷ trọng bất động sản, tăng tỷ trọng chứng chỉ quỹ trái phiếu để cân bằng rủi ro.” Đây là mô hình hoạt động phổ biến của các robot tư vấn đầu tư hiện nay.

Level 4 – AI quyết định (Decision Making)

Đặc điểm: Ở cấp độ này, AI có thể đưa ra quyết định đầu tư thay cho con người, với điều kiện con người đã thiết lập các ràng buộc và giới hạn nhất định (khung quyết định). Hệ thống hoạt động theo nguyên tắc “act within boundaries” – hành động trong phạm vi được phép, nhưng không cần xin phép trước từng quyết định cụ thể.

Khả năng

• Tự động điều chỉnh thông số hệ thống khi chạm các ngưỡng (thresholds) cảnh báo.
• Quyết định kích hoạt các kịch bản dự phòng khi có sự cố xảy ra.
• Tự động phân bổ nguồn lực vận hành hàng ngày mang tính lặp lại.
• Điều chỉnh mức độ rủi ro hoặc lọc bỏ các mối đe dọa theo thời gian thực.

Ví dụ trong tài chính

Nhà đầu tư thiết lập quy tắc: “Nếu cổ phiếu HPG giảm quá 10% so với giá mua, bán toàn bộ vị thế.” AI ở cấp độ quyết định sẽ liên tục giám sát giá HPG và tự động thực hiện lệnh bán khi điều kiện được thỏa mãn — không cần nhà đầu tư ngồi trước màn hình. Tương tự, khi tỷ trọng cổ phiếu trong danh mục vượt ngưỡng cho phép do giá tăng, AI có thể tự động bán bớt để về đúng cơ cấu mục tiêu. Đây là nguyên tắc cốt lõi của quản lý rủi ro đầu tư có hệ thống.

Level 5 – AI tự thực thi (Autonomous Execution)

Đặc điểm: Đây là cấp độ cao nhất của AI tự động hóa, nơi hệ thống có thể tự thiết lập mục tiêu, tự lập kế hoạch, tự thực thi và tự đánh giá kết quả mà không cần bất kỳ sự can thiệp nào từ con người. AI ở cấp độ này có khả năng phát hiện cơ hội thị trường mới, thích ứng với điều kiện cực độan và tự cải thiện chiến lược theo thời gian.

Khả năng

• Tự xác định cơ hội kinh doanh chênh lệch giá giữa các sàn giao dịch
• Tự điều chỉnh chiến lược giao dịch khi điều kiện thị trường thay đổi cơ bản
• Tự thiết lập và điều chỉnh mục tiêu đầu tư dài hạn
• Tự đánh giá hiệu quả chiến lược và loại bỏ chiến lược kém hiệu quả

Ví dụ trong tài chính

Một hệ thống AI tự thực thi ở cấp độ cao nhất có thể hoạt động như một quỹ đầu cơ hoàn toàn tự động. Hệ thống liên tục quét thị trường chứng khoán Việt Nam, phát hiện FPT báo cáo kết quả kinh doanh vượt kỳ vọng, đồng thời ngành công nghệ đang được dòng tiền nước ngoài mua ròng mạnh – tự đánh giá đây là cơ hội mua với xác suất thành công cao, tự đặt lệnh mua ở mức giá tối ưu, đặt stop-loss, và liên tục theo dõi vị thế cho đến khi đạt mục tiêu lợi nhuận. Toàn bộ quy trình diễn ra không có sự tham gia của con người.

Tuy nhiên, cấp độ này cũng đặt ra câu hỏi lớn về rủi ro hệ thống: trong trường hợp thị trường biến động cực độ (như đợt sụt giảm do khủng hoảng tài chính 2008), một AI tự thực thi hoàn toàn có thể tạo ra chuỗi hành động phản tác dụng nếu không có các cơ chế dừng và giám sát phù hợp.

>> Đọc thêm: AI Agent Architecture: “Bộ não” của Agent hoạt động ra sao?

3. Tại sao nhà đầu tư cần hiểu 5 cấp độ tự hành của AI?

Việc nắm vững phân loại AI agent theo mức độ tự chủ không chỉ là kiến thức lý thuyết – nó có giá trị thực tiễn trực tiếp đối với nhà đầu tư cá nhân và tổ chức tại Việt Nam.

• Kỳ vọng phù hợp. Nhiều nhà đầu tư giao dịch trên các sàn như Binance hoặc các ứng dụng tại Việt Nam thường tin rằng công cụ AI “thông minh” có thể mang lại lợi nhuận ổn định mà không cần giám sát. Thực tế, phần lớn các công cụ AI trên thị trường hiện tại mới chỉ đạt Level 2 hoặc Level 3 – tức là có thể phân tích tốt nhưng chưa thể tự quyết định và thực thi một cách đáng tin cậy.
• Quản lý rủi ro. Khi sử dụng các sản phẩm tài chính có tích hợp AI, nhà đầu tư cần hiểu AI đang hoạt động ở cấp độ nào. Ví dụ, nếu một sàn giao dịch crypto tuyên bố sử dụng “AI trading” nhưng thực chất chỉ là bot Level 1 (đọc hiểu tín hiệu), nhà đầu tư không nên giao quyền tự động hoàn toàn cho hệ thống. Trái phiếu doanh nghiệp và các sản phẩm có rủi ro tín dụng đặc biệt cần sự thận trọng cao.
• Tận dụng đúng năng lực. Mỗi cấp độ AI phù hợp với một nhóm nhà đầu tư khác nhau. Nhà đầu tư mới (Level 1: đọc hiểu) nên dùng AI để học hỏi và tổng hợp thông tin. Nhà đầu tư trung gian (Level 3: đề xuất) có thể dựa vào khuyến nghị của AI để ra quyết định, nhưng vẫn giữ quyền kiểm soát. Nhà đầu tư chuyên nghiệp có thể thiết lập hệ thống Level 4 để tự động hóa các quy tắc quản lý danh mục đã được kiểm chứng.

5. Lời kết

Autonomous Agents là gì đã được giải thích chi tiết trong bài viết này = đó là các hệ thống AI có khả năng tự nhận thức, tự ra quyết định và tự thực thi hành động trong môi trường số. Mô hình 5 cấp độ tự hành của AI, từ Level 1 đọc hiểu đến Level 5 tự thực thi hoàn toàn, giúp bạn hình dung rõ ràng năng lực thực tế của các công cụ AI đang có mặt trên thị trường.

Không có cấp độ nào “tốt hơn” tuyệt đối – điều quan trọng là lựa chọn đúng cấp độ phù hợp với kiến thức, kinh nghiệm và mức độ chấp nhận rủi ro của bản thân. Trong bối cảnh thị trường tài chính Việt Nam đang dần trưởng thành, việc hiểu rõ giới hạn và tiềm năng của từng cấp độ AI sẽ giúp nhà đầu tư tận dụng công nghệ một cách hiệu quả và an toàn.