AI Agent trong ERP là gì? Khác chatbot thế nào

AI Agent trong ERP là chương trình dùng mô hình ngôn ngữ lớn để tự lập kế hoạch nhiều bước, gọi các công cụ đọc dữ liệu nghiệp vụ (đơn hàng, lệnh sản xuất, tồn kho, đơn mua) và trả lời hoặc đề xuất hành động dựa trên số liệu thật đang chạy trong hệ thống. Khác với chatbot chỉ trả lời từ kịch bản hay tài liệu có sẵn, agent tự đi lấy dữ liệu và ghép chúng lại.

Bài này giải thích AI Agent khác chatbot và trợ lý gợi ý ở đâu, một agent trong ERP gồm những thành phần nào, nó xử lý một câu hỏi ra sao qua ví dụ minh họa, và những lỗi khiến doanh nghiệp mất kiểm soát khi đưa AI vào dữ liệu quản trị.

AI Agent, chatbot và trợ lý AI: khác nhau ở đâu?

Ba khái niệm này hay bị dùng lẫn. Các hãng ERP lớn mô tả agent theo những nét chung: SAP định nghĩa Joule Agents là ứng dụng AI tự xác định chuỗi hành động để hoàn thành một nhiệm vụ nghiệp vụ nhiều bước; Microsoft tách Copilot (trợ lý gợi ý cho người dùng) khỏi autonomous agents (tác tử tự chủ xử lý cả quy trình, chuyển cho người khi cần); Oracle mô tả agent trong AI Agent Studio là tác tử dùng các công cụ (tools) đọc và ghi đối tượng nghiệp vụ, với tùy chọn bắt buộc con người duyệt trước khi công cụ chạy. Tổng hợp lại:

Điểm phân biệt cốt lõi là mức tự chủ và nguồn dữ liệu. Một chatbot trên website có thể trả lời "ERP là gì". Nó không thể trả lời "lệnh sản xuất nào tuần này có nguy cơ trễ giao" — vì câu trả lời không nằm trong tài liệu nào, mà nằm rải rác trong lệnh sản xuất, tiến độ công đoạn và đợt nhận vật tư.

Bốn thành phần của một AI Agent trong ERP

1. Mô hình ngôn ngữ lớn (Large Language Model – LLM). Phần "suy nghĩ": hiểu câu hỏi tiếng Việt, quyết định cần gọi công cụ nào, đọc kết quả và viết câu trả lời. Mô hình không chứa dữ liệu của doanh nghiệp; nó chỉ biết những gì công cụ trả về.
2. Bộ công cụ (tools). Mỗi công cụ là một hàm có tên, tham số và kết quả rõ ràng, ví dụ "liệt kê lệnh sản xuất đang chạy" hay "tiến độ theo công đoạn". Agent gọi công cụ thay vì tự viết câu lệnh truy vấn cơ sở dữ liệu — nhờ đó mọi lần lấy dữ liệu đều đi qua cùng một lớp kiểm soát.
3. Ngữ cảnh và phân quyền. Agent chạy dưới danh tính của người đang hỏi. Công cụ kiểm tra quyền tại máy chủ: người không được xem giá thành thì agent cũng không lấy được giá thành. Quyền phải đặt ở hạ tầng, không đặt trong câu lệnh hướng dẫn (prompt) — vì prompt có thể bị câu hỏi khéo léo vượt qua.
4. Nhật ký và cổng duyệt. Mỗi lần gọi công cụ được ghi lại: ai hỏi, công cụ nào, lúc nào. Hành động ghi dữ liệu (nếu có) phải dừng lại chờ người có quyền Duyệt xác nhận — giống như phát hành một lệnh sản xuất hay duyệt BOM đều cần quyền Duyệt riêng, tách khỏi quyền Sửa.

Để nhiều ứng dụng AI dùng chung một bộ công cụ, ngành phần mềm đang hội tụ về MCP (Model Context Protocol) — chuẩn mở mô tả cách mô hình AI gọi công cụ và đọc dữ liệu từ hệ thống bên ngoài. ERP cung cấp công cụ qua MCP thì một trợ lý trong ERP hay một ứng dụng AI bên ngoài đều đi qua cùng cơ chế phân quyền.

Cơ chế hoạt động: lập kế hoạch, gọi công cụ, kiểm tra

Khi nhận một câu hỏi, agent chạy một vòng lặp ngắn:

1. Hiểu ý định. Xác định câu hỏi cần loại dữ liệu gì, trong khoảng thời gian nào.
2. Lập kế hoạch. Chọn công cụ cần gọi và thứ tự gọi.
3. Gọi công cụ. Nhận kết quả có cấu trúc (bảng, danh sách, con số).
4. Đánh giá kết quả. Đủ để trả lời chưa? Nếu thiếu, gọi thêm công cụ khác; nếu dữ liệu mâu thuẫn, nói rõ.
5. Trả lời kèm nguồn. Câu trả lời nêu con số, chỉ ra lấy từ chứng từ nào, và gợi ý bước tiếp theo.

Bước 4 là chỗ agent khác hẳn chatbot. Chatbot dừng sau câu trả lời đầu tiên; agent có thể phát hiện "lệnh này chậm vì thiếu vật tư" rồi tự gọi thêm công cụ xem đợt nhận hàng của nhà cung cấp.

Dữ liệu mà agent đọc chính là dữ liệu trên các màn hình nghiệp vụ như bảng công đoạn ở trên. Agent không tạo ra số liệu mới; nó đọc nhanh và ghép những gì người quản lý vẫn phải mở năm, sáu màn hình mới thấy.

Ví dụ minh họa: hai câu hỏi trong hai nhà máy

Ví dụ minh họa 1 — nhà máy cơ khí – kết cấu thép. Quản đốc hỏi: "Lệnh sản xuất nào có nguy cơ trễ giao tuần này?"

Câu trả lời: "LSX-055 có nguy cơ trễ: còn 4/6 công đoạn, đang chờ 1.200 kg thép tấm từ NCC-031 (trễ 4 ngày). Hai lệnh còn lại đúng tiến độ." Câu trả lời có tên chứng từ, nên quản đốc bấm thẳng vào lệnh để kiểm tra.

Ví dụ minh họa 2 — nhà máy may mặc. Nhân viên kinh doanh hỏi: "Đơn của khách KH-007 còn bao nhiêu chưa giao?" Agent gọi công cụ xem đơn hàng rồi công cụ truy vết từ đơn hàng tới lệnh sản xuất và phiếu giao: đơn 3.000 sản phẩm, đã giao 1.800, còn 1.200 (1.800 + 1.200 = 3.000), phần còn lại nằm trong kế hoạch giao tuần sau. Nếu nhân viên đó không có quyền xem giá vốn, câu trả lời không có cột giá vốn — dù họ có hỏi thẳng.

Phép tính và luồng câu hỏi y hệt cho nhà máy điện tử, thực phẩm hay nhựa – bao bì: chỉ khác tên công đoạn và đơn vị vật tư.

Agent không thay thế dashboard điều hành. Dashboard trả lời những câu hỏi lặp lại mỗi sáng; agent trả lời câu hỏi phát sinh mà không ai dựng sẵn biểu đồ.

Quy trình đưa AI Agent vào doanh nghiệp sản xuất

1. Làm sạch dữ liệu gốc trước. Agent đọc nhanh hơn, không đọc đúng hơn. Danh mục sai, định mức BOM sai thì câu trả lời sai theo — chỉ là sai nhanh hơn.
2. Chọn 5–10 câu hỏi lặp lại hằng ngày. Ví dụ: đơn nào trễ, nhà cung cấp nào giao chậm, lệnh nào đang nghẽn. Đây là thước đo để đánh giá agent có giúp được việc hay không.
3. Bắt đầu với công cụ chỉ đọc. Chưa cho agent ghi dữ liệu cho tới khi đã tin vào chất lượng đọc.
4. Rà phân quyền theo vai trò. Kiểm tra bằng cách hỏi agent dưới tài khoản quyền thấp: nó có lộ con số không được lộ không?
5. Bật nhật ký và hạn mức. Theo dõi ai hỏi gì, tốn bao nhiêu lượt gọi, để kiểm soát cả chi phí lẫn rủi ro.
6. Mở rộng sang hành động có cổng duyệt. Mọi việc làm thay đổi dữ liệu phải dừng lại chờ người có quyền Duyệt xác nhận.

Lỗi thường gặp khi dùng AI trong ERP

• Đặt quyền trong prompt. Viết "không được tiết lộ giá thành" vào câu hướng dẫn rồi cho agent đọc toàn bộ cơ sở dữ liệu. Một câu hỏi vòng vo là đủ để lách. Quyền phải được kiểm tra ở công cụ, tại máy chủ.
• Cho agent tự viết truy vấn cơ sở dữ liệu. Linh hoạt nhưng không kiểm soát được: truy vấn có thể đọc nhầm bảng, bỏ sót điều kiện công ty, hoặc trả về dữ liệu vượt quyền.
• Tin câu trả lời không có nguồn. Mô hình ngôn ngữ có thể diễn đạt sai hoặc suy luận quá đà. Câu trả lời đáng tin phải kèm tên chứng từ để người đọc bấm vào kiểm tra.
• Không đo chi phí. Mỗi câu hỏi tốn lượt gọi mô hình. Không có hạn mức và màn giám sát, hóa đơn AI cuối tháng là điều bất ngờ.
• Gọi chatbot là "agent". Một khung chat trả lời từ tài liệu hướng dẫn không phải AI Agent trong ERP. Hãy hỏi nhà cung cấp: agent gọi những công cụ nào, đọc dữ liệu nào, kiểm quyền ở đâu.

Long Vân AI ERP triển khai AI Agent thế nào?

Phân hệ AI Agent trong Long Vân AI ERP được thiết kế theo đúng các nguyên tắc trên:

• Trợ lý tổng điều phối các trợ lý chuyên trách Bán hàng và Sản xuất; người dùng hỏi bằng tiếng Việt và đánh giá được từng câu trả lời.
• 18 công cụ dữ liệu qua chuẩn MCP — doanh thu, đơn hàng, truy vết đơn tới giao hàng, lệnh sản xuất, tiến độ công đoạn, tiến độ nhà cung cấp, kế hoạch nhận hàng… Mọi con số lấy từ công cụ đọc dữ liệu có kiểm soát, agent không tự viết SQL.
• Phân quyền ở hạ tầng: mỗi công cụ gắn với một phân hệ và hành động; agent chỉ thấy những gì người đang hỏi được phép thấy.
• Đọc trước, ghi phải có người duyệt: bộ công cụ hiện tại chỉ đọc; Case AI theo đuổi việc dài ngày và dừng lại chờ con người duyệt trước mọi hành động.
• Giám sát chi phí AI: mỗi lần gọi công cụ được ghi lại, hạn mức sử dụng theo tháng áp cứng theo giấy phép, có màn giám sát riêng.
• Dùng mô hình doanh nghiệp chọn: Anthropic, OpenAI, Gemini, OpenRouter hoặc endpoint tương thích; khóa API được mã hóa, tự chuyển nguồn khi lỗi. Kết nối được cả từ ChatGPT, Claude, Gemini qua MCP.

Agent chỉ trả lời tốt khi chuỗi chứng từ phía sau đã nối với nhau. Nếu bạn muốn hiểu dữ liệu vật tư mà agent đọc được sinh ra thế nào, đọc tiếp MRP là gì.

Tham khảo khái niệm: Microsoft Learn — Agents, Copilot và AI trong Dynamics 365; Oracle — Key Capabilities of AI Agent Studio.