OM Logo
Trang chủTin tức & Sự kiệnỨng dụng AI & Chuyển đổi số doanh nghiệp
Người đàn ông ngồi làm việc với máy tính xách tay

AI tiến bộ nhanh, nhưng vì sao vẫn khó hoàn thành một dự án thực tế?

OM AI Agent

Theo Chỉ số Lao động từ xa (Remote Labor Index) do Scale AI và Trung tâm An toàn AI (CAIS) công bố, tỷ lệ hoàn thành dự án thuê ngoài thực tế của tác nhân AI tốt nhất đã tăng từ 2,5% lên 15,8% sau tám tháng. Kết quả cho thấy AI đang tiến bộ nhanh trong xử lý công việc, nhưng vẫn gặp nhiều hạn chế khi phải tự thực hiện trọn vẹn một dự án.

Đánh giá tác nhân AI bằng những dự án có thật

Các bài kiểm tra năng lực AI thường tập trung vào khả năng trả lời câu hỏi hoặc hoàn thành những tác vụ riêng lẻ. Tuy nhiên, kết quả trên các bài kiểm tra này chưa phản ánh đầy đủ khả năng thực hiện công việc trong thực tế, khi một dự án thường gồm nhiều yêu cầu và cần tạo ra sản phẩm hoàn chỉnh.

Để đánh giá khoảng cách đó, tháng 10/2025, Scale AI và CAIS công bố Chỉ số Lao động từ xa (Remote Labor Index), sử dụng 240 dự án từng được những người làm nghề tự do thực hiện và nhận thù lao.

Các dự án thuộc 23 lĩnh vực, bao gồm phát triển phần mềm, thiết kế, kiến trúc và phân tích dữ liệu. Mỗi dự án đều có yêu cầu cụ thể, mức giá và sản phẩm cần bàn giao. Một dự án điển hình cần khoảng 11,5 giờ làm việc của người có chuyên môn, với mức thù lao khoảng 200 USD. Tổng giá trị thù lao đã trả cho các dự án trong bộ dữ liệu đạt gần 144.000 USD.

Biểu đồ cột tỷ lệ dự án được tác nhân AI hoàn thành trọn vẹn, từ 2,5% năm 2025 lên 15,8% năm 2026

Đồ họa tổng hợp từ dữ liệu Scale AI (29/10/2025) và Center for AI Safety (01/07/2026). Ảnh được tạo bởi AI.

Khác với những bài kiểm tra chỉ yêu cầu AI xử lý một phần công việc, Remote Labor Index đánh giá khả năng tự hoàn thành toàn bộ dự án. Sản phẩm cuối cùng được xem xét dựa trên việc có đáp ứng yêu cầu và đạt chất lượng mà khách hàng có thể chấp nhận hay không.

Trong lần công bố đầu tiên, tác nhân AI có kết quả tốt nhất là Manus, với tỷ lệ hoàn thành 2,5%, tương đương khoảng 6 trong tổng số 240 dự án. Tất cả các hệ thống được thử nghiệm khi đó đều đạt dưới 3%.

Tỷ lệ hoàn thành tăng nhanh nhưng phần lớn dự án vẫn chưa đạt yêu cầu

Đến tháng 7/2026, kết quả của các tác nhân AI đã cải thiện đáng kể. Theo CAIS, hệ thống Fable 5 của Anthropic đạt tỷ lệ hoàn thành 15,8%, gần gấp đôi mức 8,3% của Opus 4.8. Trong khi đó, GPT-5.5 của OpenAI đạt 6,3%.

So với mức cao nhất 2,5% ở lần công bố đầu tiên, kết quả 15,8% tương đương mức tăng hơn sáu lần. Tuy nhiên, điều này cũng có nghĩa ngay cả hệ thống dẫn đầu vẫn chưa hoàn thành đạt yêu cầu phần lớn dự án trong bộ đánh giá.

Các kết quả nghiên cứu cho thấy ba vấn đề đáng chú ý. Thứ nhất, tốc độ cải thiện nhanh nhưng tỷ lệ hoàn thành vẫn thấp. Mức tăng từ 2,5% lên 15,8% phản ánh bước tiến đáng kể trong thời gian ngắn. Tuy nhiên, CAIS cho biết phần lớn sản phẩm do tác nhân AI tạo ra vẫn chưa đáp ứng tiêu chuẩn chất lượng chuyên nghiệp. Khả năng xử lý một số tác vụ tốt hơn chưa đồng nghĩa với việc AI có thể đảm nhận toàn bộ trách nhiệm của một dự án.

Thứ hai, hạn chế chủ yếu nằm ở chất lượng và mức độ hoàn chỉnh của sản phẩm. Phân tích các bài nộp không đạt trong lần công bố đầu tiên cho thấy 45,6% có chất lượng dưới mức khách hàng chấp nhận, 35,7% thiếu nội dung hoặc sai định dạng, 17,6% gặp lỗi kỹ thuật hoặc tệp bị hỏng và 14,8% có nội dung không nhất quán giữa các tệp. Các nhóm lỗi có thể xuất hiện đồng thời trong cùng một sản phẩm. Tác nhân AI thường làm tốt hơn với yêu cầu tạo nội dung mới tương đối đơn giản, nhưng gặp khó khi phải chỉnh sửa phức tạp hoặc thực hiện nhiều bước liên tiếp.

Biểu đồ thanh ngang các lý do bài nộp của tác nhân AI không đạt yêu cầu

Đồ họa tổng hợp từ dữ liệu Scale AI, 29/10/2025. Ảnh được tạo bởi AI.

Thứ ba, tỷ lệ thành công phụ thuộc lớn vào cách thiết kế bài kiểm tra. Trong GDPval, bộ đánh giá gồm 1.320 tác vụ thuộc 44 nghề do OpenAI công bố tháng 9/2025, sản phẩm của mô hình tốt nhất được chuyên gia đánh giá ngang hoặc tốt hơn sản phẩm của con người ở gần một nửa số tác vụ. Tuy nhiên, bài kiểm tra này chỉ đánh giá một lần thực hiện, không bao gồm quá trình trao đổi với khách hàng hoặc chỉnh sửa qua nhiều vòng.

Sự khác biệt tiếp tục thể hiện trong những bài kiểm tra mô phỏng môi trường làm việc. Với TheAgentCompany, nơi AI phải thực hiện nhiệm vụ trong môi trường giả lập của một công ty phần mềm, tác nhân tốt nhất chỉ tự hoàn thành khoảng 30% nhiệm vụ.

Đồ họa so sánh kết quả của tác nhân AI trên bốn bộ đánh giá công việc văn phòng

Đồ họa tổng hợp từ dữ liệu OpenAI, TheAgentCompany, Salesforce và CAIS, 2025-2026. Ảnh được tạo bởi AI.

Tương tự, trong CRMArena-Pro của Salesforce, bộ đánh giá các tác vụ quản lý quan hệ khách hàng, tỷ lệ thành công đạt khoảng 58% với những nhiệm vụ chỉ cần một lượt trao đổi, nhưng giảm xuống 35% khi công việc đòi hỏi nhiều lượt tương tác.

Những kết quả này cho thấy khả năng hoàn thành một tác vụ riêng lẻ và khả năng thực hiện trọn vẹn một dự án là hai thước đo khác nhau. Khi công việc kéo dài, yêu cầu phối hợp nhiều bước hoặc liên tục điều chỉnh theo phản hồi, tỷ lệ thành công của tác nhân AI có thể giảm đáng kể.

Doanh nghiệp nên giao từng phần việc trước khi giao trọn dự án

Sự khác biệt giữa các bài kiểm tra cho thấy việc đánh giá tác nhân AI cần dựa trên đặc điểm công việc thực tế, thay vì chỉ nhìn vào tỷ lệ thành công chung.

Những nhiệm vụ có yêu cầu rõ ràng, phạm vi giới hạn và đầu ra dễ kiểm tra thường phù hợp hơn để triển khai AI. Ngược lại, các dự án cần nhiều bước xử lý, phối hợp giữa nhiều công cụ hoặc chỉnh sửa liên tục vẫn đòi hỏi sự giám sát và kiểm tra của con người.

Phương pháp đánh giá cũng ảnh hưởng đến kết quả. CAIS lưu ý rằng khi sử dụng mô hình AI để tự động chấm điểm, tỷ lệ tự động hóa của các mô hình mới có thể bị đánh giá cao hơn từ 2,5 đến 3 lần so với kết quả do con người chấm. Vì vậy, các tỷ lệ chính thức của Remote Labor Index được xác định dựa trên đánh giá của con người.

Với doanh nghiệp, cách tiếp cận phù hợp là xác định những phần việc có thể giao cho tác nhân AI, thiết lập tiêu chí kiểm tra kết quả và duy trì sự tham gia của con người ở các bước quan trọng, trước khi mở rộng sang những quy trình phức tạp hơn.

Việc tỷ lệ hoàn thành dự án tăng từ 2,5% lên 15,8% trong khoảng tám tháng cho thấy năng lực của tác nhân AI đang thay đổi nhanh chóng. Tuy nhiên, tiêu chí quan trọng khi ứng dụng AI vào doanh nghiệp không chỉ là hệ thống có thể thực hiện được bao nhiêu công việc, mà còn là chất lượng sản phẩm cuối cùng có đáp ứng yêu cầu thực tế hay không.

Nguồn tham khảo

Bài viết được tạo bằng công cụ AI, dựa trên các nguồn tham khảo được trích dẫn ở trên.