RPA và AI agent khác nhau: chọn theo mức tự chủ và quyền

Đăng ngày 25/10/2026

Tóm tắt: chọn theo quyền quyết định, không theo nhãn mới

RPA và AI agent khác nhau chủ yếu ở cách quyết định bước tiếp theo. RPA thường thực hiện chuỗi thao tác được thiết kế; quy trình có mô hình ngôn ngữ có thể dùng AI trong vài bước cố định; tác tử để mô hình chọn hành động linh hoạt hơn. Ba cách có thể kết hợp. Quyết định phù hợp cần xét đầu vào, quyền, cách kiểm và người chịu trách nhiệm, thay vì mặc định tác tử luôn tốt hơn.

• Gắn một mô hình vào luồng chưa có nghĩa đã tạo tác tử tự chọn cách làm.
• Giao diện hay kết nối API là một trục khác với mức tự chủ.
• AI có thể đề nghị hành động; hệ thống vẫn phải kiểm quyền thực hiện.
• So sánh cả công kiểm, bảo trì và phục hồi, không chỉ thời gian dựng mẫu.
• Bốn ví dụ và phiếu tám tiêu chí trong bài là đề xuất để kiểm tại tổ chức.

Góc nhìn AI: ba kiến trúc khác nhau ở đâu?

Với RPA, một chương trình có thể mở ứng dụng và làm theo chuỗi thao tác đã được xác định. Herm và cộng sự mô tả RPA như hình thức tự động hóa tương đối nhẹ ở lớp trình bày của hệ thống [1]. Phần linh hoạt có thể nằm trong các nhánh do người thiết kế. Tổ chức vẫn cần quy định cách nhận đầu vào, kiểm kết quả và dừng khi ứng dụng không phản hồi như dự kiến.

Quy trình có mô hình ngôn ngữ, thường gọi LLM, giữ một đường điều phối đã thiết kế nhưng dùng AI ở một công đoạn, chẳng hạn phân loại thư trước khi chuyển đúng nhóm. Hướng dẫn Anthropic công bố ngày 19/12/2024 phân biệt cách tổ chức theo đường mã định sẵn này với tác tử, nơi mô hình quyết định linh hoạt hơn quá trình và cách sử dụng công cụ [2]. Đó là phân biệt kiến trúc của hãng, không một phép đo hiệu quả.

AI agent, hay tác tử AI, nhận mục tiêu và dùng mô hình để lựa chọn bước xử lý trong phạm vi được cấp. Hướng dẫn xây tác tử của OpenAI cũng phân biệt ứng dụng chỉ có LLM với hệ thống để LLM điều khiển việc thực hiện; nó nêu các trường hợp quyết định phức tạp, quy tắc khó duy trì và phụ thuộc nhiều vào dữ liệu phi cấu trúc [3]. Đây là gợi ý của nhà cung cấp, không xác nhận tác tử sẽ giải quyết đúng mọi ngoại lệ.

Ví dụ do bài dựng: cùng một yêu cầu tìm nguyên nhân đơn hàng chậm, luồng cố định có thể lấy những trường đã chọn rồi tạo bản báo cáo. Một tác tử có thể chọn kiểm thêm trạng thái kho hoặc lịch giao dựa trên điều đang thấy. Sự khác nhau nằm ở người quyết định đường đi. Nhưng cả hai vẫn cần giới hạn quyền, nguồn đáng tin và điều kiện kết thúc; khả năng chọn thêm bước không đồng nghĩa được tự đổi đơn hay gửi cam kết cho khách.

Hai trục dễ bị gộp: công cụ và mức tự chủ

RPA và AI agent khác nhau không có nghĩa một bên chỉ dùng màn hình còn bên kia chỉ dùng kết nối hệ thống. Một tác tử có thể được cấp công cụ tương tác qua giao diện, trong khi một luồng định sẵn có thể gọi API. Chính tài liệu OpenAI mô tả cả API lẫn khả năng thao tác ứng dụng không có API [3]. Vì vậy, nên hỏi riêng ai chọn hành động và hành động đi qua bề mặt nào.

Một cách giao việc do bài đề xuất là vẽ hai trục. Trục thứ nhất từ các bước được định trước tới mô hình chọn bước linh hoạt; trục thứ hai ghi công cụ tương tác qua giao diện hay cổng kết nối. Sơ đồ giúp tránh đánh giá toàn bộ rủi ro chỉ từ chữ agent. Tự chủ thấp vẫn có thể gây tác động lớn nếu công cụ được cấp quyền rộng; tự chủ cao có thể được giữ ở mức chỉ đọc và đề nghị.

Vì thế, muốn so công cụ, hãy yêu cầu một lượt chạy có thể xem được. Người bán cần chỉ ra phần nào là quy tắc cố định, phần nào AI chọn, hành động nào hệ thống cho phép và lúc nào con người tiếp nhận. Bài không đánh giá một sản phẩm cụ thể là tác tử thật hay giả. Nhãn tiếp thị không thay được mô tả kiến trúc và bằng chứng kết quả trên công việc của người mua.

Phiếu tám tiêu chí để so RPA, luồng có LLM và tác tử

Đầu vào là tiêu chí đầu tiên. Nếu nguồn đã theo mẫu và quy tắc rõ, một luồng xác định có thể đủ. Nếu AI phải hiểu thư hoặc tài liệu tự do, cần ghi cách kiểm phần diễn giải trước khi dùng vào hành động. Đầu vào phi cấu trúc chỉ cho thấy một nhu cầu xử lý nội dung, chưa đủ kết luận phải dùng tác tử thay vì một bước LLM trong luồng cố định.

Độ ổn định là tiêu chí thứ hai: đo điều gì được giữ nguyên và điều gì thường đổi. Với RPA, cần xem chuỗi thao tác và ứng dụng đích; với AI, cần thêm cách diễn giải và lựa chọn bước. Một tác tử có thể đề nghị đường khác khi gặp tình huống mới, nhưng sự thích nghi đó vẫn phải được kiểm. Không coi việc không báo lỗi là bằng chứng đã xử lý đúng.

Chi phí là tiêu chí thứ ba. So cùng một đầu ra đã xác nhận đúng, gồm công dựng, tài nguyên, kiểm và xử lý lỗi. RPA không tự rẻ chỉ vì không gọi mô hình; tác tử không tự đắt ở mọi tác vụ. Bài không đưa bảng giá vì chưa có phép đo cùng điều kiện. Người mua cần hỏi chi phí trên công việc hoàn tất đúng, thay vì chỉ số lượt gọi hoặc số robot.

Bảo trì là tiêu chí thứ tư. Một luồng cần được xem lại khi giao diện hoặc quy tắc đổi; phần AI còn cần kiểm khi mô hình, hướng dẫn hay công cụ thay đổi. Giao người nhận từng loại thay đổi trước khi bàn giao. Việc tác tử có thể tự tìm bước không loại bỏ công bảo trì, vì tổ chức vẫn phải hiểu khi nào kết quả đã lệch và làm sao khôi phục cách xử lý phù hợp.

Kiểm thử là tiêu chí thứ năm. Với cả ba phương án, cần kiểm trạng thái cuối của công việc. AI tạo ra nhiều đường đi khiến bộ ca cần có tình huống thiếu dữ kiện, công cụ lỗi và hành động bị từ chối. RPA với nhiều nhánh cũng không mặc nhiên dễ kiểm. So sánh nên dựa trên khả năng quan sát, tạo lại tình huống và xác nhận kết quả, không chỉ tên công nghệ.

Rủi ro là tiêu chí thứ sáu: xem hậu quả, quyền và khả năng phục hồi. Một bước RPA đơn giản ghi nhầm vẫn có thể nguy hiểm hơn AI chỉ soạn bản nháp. Với tác tử được tự chọn hành động, cần đặc biệt rõ công cụ nào được dùng trong tình huống nào. Phân mức rủi ro theo công việc và tác động cụ thể giúp chọn điểm giữ người hợp lý hơn việc cấm hoặc mở toàn bộ theo nhãn.

Khả năng giải thích là tiêu chí thứ bảy. Nhật ký RPA nên giúp biết bước nào đã chạy và dữ liệu nào được dùng. Với AI, lưu được lời giải thích nghe hợp lý chưa đủ; cần nối nó với nguồn, công cụ và thay đổi thực tế. Người kiểm cần thấy căn cứ của kết quả và chỗ chưa xác minh. Không nên mặc định một đoạn mô hình tự kể về quá trình là bằng chứng chính xác của việc đã xảy ra.

Trách nhiệm là tiêu chí thứ tám. Quyết định do AI đề nghị vẫn cần người hoặc bộ phận nhận trách nhiệm cho phạm vi vận hành, duyệt quyền và xử lý phản hồi. Phiếu cần ghi chủ nghiệp vụ, chủ hệ thống và người có quyền thay quy tắc. Nếu mọi việc khó đều bị chuyển sang một hộp thư chung, việc gắn tác tử chưa giải quyết được chỗ thiếu người quyết định trong tổ chức.

Bốn ví dụ cho thấy cùng tên việc có thể chọn khác nhau

Đối chiếu hóa đơn là ví dụ giả định đầu tiên. Với trường thông tin đã kiểm và điều kiện khớp rõ, có thể dùng quy tắc để so, rồi RPA thực hiện bước nhập nếu phù hợp hệ thống. Nếu tài liệu không cùng mẫu, thêm AI để đề nghị trường dữ liệu chưa đồng nghĩa được tự phê duyệt khoản chi. Những trường không chắc cần được xác nhận; quyền chi và quyền trích thông tin phải được xét riêng.

Trả lời email khách là ví dụ thứ hai do bài tạo. Khi chỉ cần nhận dạng nhóm yêu cầu và tạo câu trả lời nháp, luồng có một bước LLM có thể đủ. Nếu AI phải chọn hỏi thêm, tra trạng thái và điều phối nhiều công cụ, cấu trúc tác tử có thể đáng thử. Tuy nhiên, tự gửi cam kết, hủy đơn hoặc thay điều kiện dịch vụ là các hành động khác, cần được kiểm bằng quyền và quy tắc tương ứng.

Tổng hợp báo cáo là ví dụ thứ ba. Nếu các nguồn, trường và cách tính ổn định, một luồng xác định giúp giữ công thức rõ; AI có thể diễn đạt phần nhận xét nhưng cần phân biệt số tính được với suy luận. Chỉ nên tăng tự chủ khi thực sự cần lựa chọn cách điều tra. Một bản tóm tắt lưu loát chưa chứng minh số đúng, và việc tìm thêm nguồn chưa xác minh không tự làm kết luận tốt hơn.

Cập nhật tồn kho là ví dụ giả định cuối. Việc ghi số đã được xác nhận thường cần kiểm trùng, quyền và trạng thái sau ghi; không có lý do tự chuyển toàn bộ sang tác tử nếu luồng cũ đủ rõ. AI có thể gợi ý điều tra chênh lệch thay vì tự điều chỉnh sổ. Cùng một giao diện kho, quyền xem, đề nghị và ghi là ba phạm vi khác nhau; phải chỉ ra mình đang nghiệm thu phạm vi nào.

Kết hợp RPA và AI mà vẫn có điểm kiểm rõ

Mô hình lai không phải phép cộng tự động của mọi ưu điểm. Bài đề xuất tách phần đọc hiểu, xác minh và thực hiện. AI có thể phân tích nội dung rồi đưa đề nghị có cấu trúc; quy tắc hoặc người kiểm xác nhận điều kiện; phần thực hiện mới dùng công cụ phù hợp. Đây là kiến trúc gợi ý, không tuyên bố rằng một bộ sản phẩm đã đạt mức bảo đảm ấy ở mọi trường hợp.

Bản tuyên ngôn nghiên cứu của Dumas và cộng sự đưa lên arXiv ngày 30/01/2022 mô tả tầm nhìn hệ thống tự chủ trong một khuôn giới hạn, cùng khả năng tương tác và giải thích [4]. Nó là định hướng nghiên cứu, không dữ liệu chứng minh hiệu quả triển khai. Bài dùng ý giới hạn để nhắc rằng AI có thể linh hoạt trong cách làm mà vẫn phải vận hành bên trong mục tiêu và ràng buộc đã được tổ chức xác định.

Trong một bản lai, cần kiểm cả chỗ nối. Nếu AI trả tên hàng nhưng công cụ ghi cần mã hàng, không tự coi hai trường tương đương. Nếu người duyệt đã sửa đề nghị, hành động phải dùng đúng bản được duyệt. Lỗi ở điểm chuyển có thể làm một chuỗi gồm các bước riêng lẻ có vẻ đúng trở thành kết quả sai. Vì thế, cần thử toàn luồng cùng trạng thái cuối, không chỉ thử từng màn hình riêng.

Giữ người trong vòng kiểm soát khác với hỏi duyệt cho có

Một người chỉ có thể duyệt có ý nghĩa khi được thấy hành động cụ thể, dữ liệu liên quan và tác động dự kiến. Nếu giao diện chỉ hỏi có tiếp tục không mà giấu công cụ sẽ làm gì, việc giữ người chưa tạo được điểm kiểm tốt. Bài đề nghị gắn quyết định duyệt với đúng đề nghị, không một lời đồng ý chung áp cho mọi bước AI có thể nghĩ ra sau đó.

Tài liệu chính thức của OpenAI về kiểm tự động và duyệt người phân biệt việc chặn hoặc kiểm bằng chương trình với việc tạm dừng để một người quyết định. Nó cũng lưu ý kiểm đầu vào và đầu ra ở cấp tác tử không tự chạy tại mọi điểm; cần đặt kiểm phù hợp cạnh công cụ tạo thay đổi [5]. Đây là hướng dẫn thiết kế của hãng, không khẳng định cấu hình mặc định nào đã đủ cho một tổ chức cụ thể.

Quyền lựa chọn và quyền thực hiện nên được tách ngay trong hồ sơ. AI có thể đề nghị cập nhật, nhưng hệ thống chỉ thực hiện khi đúng phạm vi và dữ liệu đã được chấp nhận. Khi thay đổi quyền, phải thử lại đường chặn, không chỉ thử việc được phép. Cũng cần có người nhận khi công cụ bị từ chối hoặc AI thiếu căn cứ, để hệ thống không lặp lại vô hạn hoặc tạo một lời báo hoàn tất không đúng thực tế.

Kiểm thử RPA hay AI agent cần nhìn kết quả nào?

Với RPA lẫn tác tử, lời báo đã xong không thay trạng thái thật của công việc. Nghiên cứu τ-bench công bố bản thảo ngày 17/06/2024 xây dựng môi trường có người dùng mô phỏng bằng mô hình, công cụ theo lĩnh vực và quy tắc; việc đánh giá so trạng thái cơ sở dữ liệu cuối với mục tiêu được gán trước [6]. Đây là một cách thiết kế phép thử, không đo trực tiếp năng suất doanh nghiệp và không phải bảng xếp hạng hiện tại.

Bài đề nghị lấy công việc thật đã được phép dùng làm cơ sở tạo ca kiểm, rồi có thêm tình huống biên. Kiểm đầu ra đúng, hành động bị chặn đúng và phần cần chuyển người. Với AI, chạy lại để xem kết quả có nhất quán không; với RPA, tạo các tình huống ứng dụng chậm hoặc đổi phản hồi. Không chỉ chụp một lần chạy đẹp làm bằng chứng cho cả phạm vi triển khai.

Sau mỗi thay đổi đáng kể, cần biết bộ ca nào phải chạy lại. Nếu đổi mô hình AI mà vẫn giữ công cụ cũ, cách chọn bước có thể cần kiểm; nếu đổi quyền, đường từ chối phải được thử. Kết quả kiểm nên chỉ rõ phiên bản, điều kiện và phần chưa bao phủ. Một tỷ lệ đạt không có mẫu số hoặc không nói loại công việc sẽ khó dùng để quyết định mở rộng.

Bằng chứng hiện có còn thiếu điều gì?

Bài quan điểm của Dumas, Milani và Chapela-Campa trên arXiv ngày 25/01/2026 nhấn mạnh việc thiết kế lại công việc và đưa kiểm chứng vào thiết kế khi có tác tử [7]. Đó là lập luận về hướng nghiên cứu, không thử nghiệm nhân quả cho thấy thay RPA bằng AI agent sẽ tăng lợi nhuận. Hai bản arXiv cùng nhóm nghiên cứu cũng không nên được tính như hai lần kiểm định hiệu quả độc lập.

Tài nguyên quản trị rủi ro cho AI tạo sinh được NIST công bố 26/07/2024 có tính tự nguyện [8]. Bài không biến nó thành chứng nhận an toàn cho kiến trúc lai. Người đọc cần phân biệt hướng dẫn nhà cung cấp, tầm nhìn nghiên cứu, phép thử mô phỏng và đo ở nơi triển khai. Mỗi loại có ích cho một câu hỏi; không loại nào tự thay toàn bộ phần kiểm tại doanh nghiệp.

Tại Việt Nam, nên hỏi cấu trúc thay vì chỉ tên giải pháp

Trang giới thiệu của FPT IS mô tả một hệ sinh thái kết hợp RPA, AI, Agentic Automation và process mining [9]. Nguồn là thông tin thương mại, chưa đủ để bài xác nhận mức tự chủ hay hiệu quả một cấu hình cụ thể. Người mua tại Việt Nam nên yêu cầu giải thích phần nào do quy tắc điều phối, phần nào mô hình chọn và ai nhận lỗi, thay vì suy toàn bộ khả năng từ một danh sách công nghệ.

EVNSPC đưa tin về khóa đào tạo ngày 12/05/2025 có nội dung RPA, tự động hóa luồng và ứng dụng AI [10]. Đây là hoạt động đào tạo tự công bố, không phép đo lợi ích triển khai. Tại Việt Nam, bài đăng ngày 11/12/2024 ở Tạp chí Ngân hàng nhận xét một số phần việc còn cần người phân tích sâu [11]. Các nguồn không cho phép kết luận mọi nơi đã sẵn sàng trao toàn quyền cho tác tử.

Một buổi nghiệm thu nên bắt đầu bằng công việc của bên sử dụng và giữ rõ phần chưa được kiểm. Yêu cầu xem cả ca AI không được phép thực hiện, chứ không chỉ ca xử lý thành công. Nếu chưa xác minh được phạm vi dữ liệu hoặc quyền của hệ thống, giới hạn bản thử ở nguồn phù hợp. Bài không quyết định điều kiện pháp lý hay quyền dùng dữ liệu cho một doanh nghiệp cụ thể.

Quy mô doanh nghiệp ảnh hưởng cách giao trách nhiệm

Doanh nghiệp vừa có thể chọn một tác vụ có người nhận rõ, giữ AI ở phạm vi trợ giúp hoặc một luồng hẹp trước khi tăng tự chủ. Điều cần mua không chỉ là khả năng mô hình mà còn cách bàn giao lỗi cho người đủ thẩm quyền. Khi thuê ngoài, người nghiệp vụ phải hiểu điều kiện đúng và điểm dừng; nếu không, mỗi ngoại lệ có thể biến thành một lần chờ bên làm công cụ giải thích.

Doanh nghiệp lớn cần nhìn một hành động của tác tử có thể đi qua nhiều chủ hệ thống. Một tài khoản có thể được quyền đọc ở nơi này nhưng không được ghi ở nơi khác. Bài gợi ý giao người sở hữu từng công cụ và thống nhất cách duyệt thay đổi quyền. Đừng mở rộng bằng cách cấp quyền chung chỉ để đường chạy trơn, vì như vậy đã đổi phạm vi rủi ro so với bản thử ban đầu.

Ở tập đoàn, cần giữ ranh giới dữ liệu và quyết định giữa các đơn vị, dù dùng chung nền tảng AI. Kết quả đúng ở một đơn vị chưa chứng minh cấu hình ấy phù hợp nơi khác. Doanh nghiệp nhỏ hơn có thể ít cấp phê duyệt nhưng vẫn cần biết người nào xem kết quả khi chương trình dừng. Cách tổ chức khác nhau, còn yêu cầu hiểu quyền, nguồn và đầu ra vẫn tồn tại ở mọi quy mô.

Hỏi đáp khi cân nhắc RPA hay AI agent

Workflow tự động và AI agent khác nhau thế nào nếu đều có LLM? Cần xem ai quyết định bước tiếp theo. Một luồng đã định sẵn vẫn có thể dùng mô hình để đọc hoặc phân loại ở một bước. Tác tử có thêm quyền chọn cách xử lý trong phạm vi thiết kế. Cả hai đều cần kiểm kết quả; việc có giao diện trò chuyện chưa đủ phân loại kiến trúc.

Tác tử AI thay thế RPA có phải bước nâng cấp bắt buộc không? Bài không tìm được bằng chứng xác nhận một lộ trình bắt buộc như vậy. Nếu phần thực hiện theo quy tắc vẫn phù hợp, có thể giữ và chỉ thêm AI ở công đoạn có nhu cầu thật. Muốn thay, hãy chứng minh đầu ra tốt hơn dưới cùng điều kiện kiểm, tính cả bảo trì và trách nhiệm khi có lỗi.

RPA và AI agent khác nhau về độ an toàn theo cách nào? Không nên kết luận chỉ theo tên. Mức tác động phụ thuộc công việc, quyền công cụ và khả năng chặn hoặc sửa. Một luồng xác định có quyền ghi rộng vẫn có thể gây hậu quả lớn. Một tác tử chỉ đọc và đề nghị có giới hạn khác. Hãy kiểm từng hành động được phép và những đường phải bị chặn.

Khi nào dùng RPA khi nào dùng AI cho thư khách hàng? Nếu yêu cầu và đường xử lý đã rõ, luồng hẹp có thể đủ. Khi cần hiểu nội dung, AI có thể giúp phân loại hoặc tạo bản nháp. Khi cần tự chọn tra cứu và hỏi thêm, có thể thử cấu trúc tác tử. Nhưng quyền gửi, cam kết hoặc thay đơn cần được xét riêng, không tự đi cùng quyền hiểu thư.

Nguồn và phương pháp

Bài tổng hợp có AI hỗ trợ, không phải bản dịch; đối chiếu ngày 24/10/2026. Dùng nghiên cứu RPA, bản thảo và tuyên ngôn nghiên cứu, hướng dẫn hãng cùng công bố Việt Nam đúng phạm vi. OpenAI, Anthropic, FPT có lợi ích thương mại; bài không kiểm sản phẩm hay giá. Chưa kiểm chứng hiệu quả triển khai các kiến trúc hoặc điều kiện dùng dữ liệu riêng. Phiếu tám tiêu chí, bốn ca và mô hình lai là đề xuất chưa thực nghiệm. Tỷ lệ mô hình cũ không được dùng làm năng lực hiện tại. Nội dung không phải tư vấn pháp lý, thuế hay tài chính; nên xem nguồn gốc.