Xây dựng môi trường cho AI Agent trong doanh nghiệp với Lark
Tìm hiểu cách doanh nghiệp xây dựng môi trường cho AI Agent với Lark, từ tri thức nội bộ, dữ liệu vận hành, quy trình, phân quyền đến lộ trình triển khai thực tế.
Mục lục
Một AI Agent có thể viết, đọc tài liệu, tổng hợp dữ liệu hoặc gợi ý bước xử lý tiếp theo. Nhưng trong doanh nghiệp, agent chỉ tạo ra giá trị khi được đặt vào một môi trường làm việc đủ rõ: biết dữ liệu nằm ở đâu, nguồn nào đáng tin, quy trình đang chạy như thế nào, ai có quyền xem thông tin nào và khi nào cần con người phê duyệt.
Lark là nền tảng làm việc số hợp nhất, nơi doanh nghiệp có thể trao đổi, tạo tài liệu, xây kho tri thức, quản lý dữ liệu, sắp lịch, giao việc, phê duyệt và tự động hóa quy trình trong cùng một không gian. Vì vậy, các thành phần như Docs, Wiki, Base, Messenger, Calendar, Approval, Workflow và Open Platform có thể kết hợp thành nền tảng để doanh nghiệp xây dựng môi trường cho AI Agent theo hướng an toàn, thực tế và bám sát vận hành.
AI Agent cần một môi trường làm việc đủ ngữ cảnh
Nhiều doanh nghiệp bắt đầu với AI bằng các công cụ hỏi đáp, tóm tắt hoặc viết nội dung. Đây là bước khởi đầu hữu ích, nhưng khi kỳ vọng chuyển sang AI Agent, câu hỏi cần thay đổi. Độ thông minh của agent chỉ là một phần; môi trường làm việc xung quanh agent mới quyết định AI có thể tạo giá trị ổn định hay không.
Một AI Agent trong doanh nghiệp thường cần nhiều hơn một câu lệnh từ người dùng. Agent cần hiểu bối cảnh công việc, đọc được dữ liệu liên quan, sử dụng đúng công cụ, tuân theo phân quyền và biết điểm dừng trước các quyết định quan trọng. Nếu thiếu những điều kiện này, agent dễ tạo ra câu trả lời nghe hợp lý nhưng khó sử dụng trong quy trình thật.
|
Thành phần môi trường
|
Vai trò với AI Agent
|
Ví dụ trong Lark
|
|
Tri thức nội bộ
|
Giúp agent trả lời dựa trên nguồn thông tin chính thức
|
Docs, Wiki, Minutes, tài liệu onboarding, SOP
|
|
Dữ liệu vận hành
|
Cho agent bối cảnh về trạng thái công việc, khách hàng, yêu cầu hoặc dự án
|
Lark Base, Sheets, Forms, bảng theo dõi
|
|
Quy trình
|
Xác định agent đang hỗ trợ bước nào và kết quả cần đưa về đâu
|
Workflow, Approval, Task, Base automation
|
|
Kênh tương tác
|
Nơi con người giao việc, nhận kết quả và phản hồi cho agent
|
Messenger, nhóm chat, bot, thông báo
|
|
Phân quyền và kiểm soát
|
Giới hạn dữ liệu được đọc, hành động được làm và thao tác cần duyệt
|
Quyền người dùng, quyền ứng dụng, admin policy, audit log
|
Trong khung 5 cấp độ ứng dụng AI trong doanh nghiệp, các cấp độ đầu chủ yếu xoay quanh việc AI hỗ trợ thao tác cá nhân. Khi tiến tới AI Assistant hoặc AI Agent, môi trường dữ liệu, quy trình và phân quyền trở thành điều kiện quyết định.
Vì sao Lark phù hợp để xây dựng môi trường cho AI Agent
AI Agent cần một không gian làm việc nơi dữ liệu, con người và quy trình không bị tách rời quá xa. Đây là lợi thế của Lark khi doanh nghiệp đã dùng nền tảng này để cộng tác, lưu tài liệu, quản lý dữ liệu và xử lý công việc hằng ngày.
Lark tập trung tri thức nội bộ trong Docs, Wiki và Minutes
Một agent muốn trả lời đúng cần biết đâu là nguồn thông tin chính thức. Trong Lark, doanh nghiệp có thể dùng Docs và Wiki để tổ chức chính sách, SOP, tài liệu sản phẩm, hướng dẫn onboarding, quy định nội bộ và tài liệu đào tạo. Minutes giúp biến nội dung cuộc họp thành nguồn thông tin có thể xem lại, tìm kiếm và tiếp tục sử dụng sau buổi họp.
Khi tri thức được quản trị tốt, AI không cần đoán từ thông tin rời rạc. Agent có thể dựa trên tài liệu đã được owner cập nhật, đúng phiên bản và đúng phạm vi truy cập. Với các bài toán hỏi đáp nội bộ, Lark Knowledge AI thường phù hợp khi doanh nghiệp muốn bắt đầu nhanh từ kho tri thức trong Lark; còn việc cân nhắc giữa Lark Knowledge AI và AnyGen Knowledge Agent nên dựa trên nguồn dữ liệu, phân quyền và mức độ kiểm soát cần có.
Lark Base biến dữ liệu vận hành thành nguồn ngữ cảnh cho agent
Tri thức dạng tài liệu giúp agent hiểu quy định và hướng dẫn. Dữ liệu trên Base giúp agent hiểu công việc đang diễn ra. Một bảng CRM, bảng quản lý yêu cầu nội bộ, bảng tuyển dụng, bảng theo dõi dự án hoặc bảng chấm công đều chứa trạng thái vận hành mà agent có thể dùng để tổng hợp, phát hiện thiếu sót hoặc gợi ý bước xử lý.
Ví dụ, một agent hỗ trợ dự án cần biết đầu việc nào quá hạn, ai đang phụ trách, blocker nằm ở đâu và tài liệu liên quan là gì. Một agent hỗ trợ sales cần hiểu khách hàng đang ở giai đoạn nào, lần trao đổi gần nhất ra sao, tài liệu proposal nào đã gửi và bước follow-up tiếp theo là gì. Khi các dữ liệu này nằm trong Base, doanh nghiệp có điều kiện tốt hơn để thiết kế agent theo bài toán vận hành thay vì chỉ tạo một hộp chat hỏi đáp.
Messenger, Calendar, Task và Approval giúp agent đi vào luồng công việc
AI Agent trong doanh nghiệp không nên đứng ngoài nơi đội ngũ đang làm việc. Nếu người dùng vẫn phải sao chép dữ liệu từ hệ thống này sang hệ thống khác để hỏi AI, trải nghiệm sẽ nhanh chóng bị đứt đoạn.
Trong Lark, Messenger là nơi giao tiếp và nhận thông báo; Calendar giúp hiểu lịch làm việc; Task hỗ trợ theo dõi đầu việc; Approval giúp chuẩn hóa các bước phê duyệt. Khi agent được thiết kế để tương tác với các thành phần này, AI có thể hỗ trợ sát hơn với luồng công việc: chuẩn bị agenda trước họp, nhắc việc sau họp, tổng hợp trạng thái dự án, tạo bản nháp thông báo hoặc đề xuất bước xử lý cho một yêu cầu nội bộ.
Đây cũng là điểm khác biệt giữa AI Assistant và AI Agent. AI Assistant chủ yếu hỗ trợ theo yêu cầu tại một thời điểm, còn AI Agent cần có khả năng tham gia vào một nhóm đầu việc có mục tiêu, dữ liệu và phạm vi hành động rõ.
Open Platform, AnyGen và MCP mở rộng khả năng kết nối cho agent
Khi doanh nghiệp muốn agent không dừng ở hỏi đáp, lớp kết nối trở nên quan trọng. Lark Open Platform giúp mở rộng Lark bằng ứng dụng, API và tích hợp hệ thống. AnyGen cho phép xây dựng AI teammate gắn với role, Skills, connector và knowledge. Lark OpenAPI MCP lại là hướng giúp AI Agent kết nối với các khả năng mở của Lark thông qua một giao thức phù hợp với agent.
Nói ngắn gọn, Lark cung cấp môi trường làm việc; AnyGen và các công cụ agent giúp thiết kế vai trò; Open Platform và MCP giúp agent có thêm cách đọc dữ liệu, gọi công cụ và tham gia vào workflow. Khi agent cần gọi các công cụ Lark qua giao thức phù hợp với AI, Lark OpenAPI MCP trở thành lớp kết nối đáng chú ý. Với nhu cầu thiết kế agent theo vai trò, Skills, connector và knowledge riêng, AnyGen Custom AI Agents trên Lark là hướng triển khai gần hơn với từng nhóm nghiệp vụ.
Mô hình 5 lớp khi xây dựng môi trường cho AI Agent trong Lark
Thay vì bắt đầu bằng câu hỏi nên tạo agent nào trước, doanh nghiệp nên nhìn môi trường cho AI Agent theo từng lớp. Mỗi lớp giải quyết một nhóm điều kiện khác nhau, từ dữ liệu đầu vào đến kiểm soát đầu ra.
|
Lớp môi trường
|
Doanh nghiệp cần chuẩn bị
|
Mục tiêu
|
|
Lớp tri thức
|
Wiki, Docs, SOP, chính sách, tài liệu sản phẩm, meeting notes
|
Agent có nguồn thông tin chính thức để tham chiếu
|
|
Lớp dữ liệu
|
Base, bảng dữ liệu nghiệp vụ, biểu mẫu, trạng thái công việc
|
Agent hiểu bối cảnh vận hành và trạng thái hiện tại
|
|
Lớp quy trình
|
Workflow, Approval, Task, quy tắc xử lý, SLA, owner
|
Agent biết việc cần hỗ trợ nằm ở bước nào
|
|
Lớp tương tác
|
Messenger, bot, group chat, notification, giao diện người dùng
|
Nhân sự giao việc, nhận kết quả và phản hồi ngay trong Lark
|
|
Lớp quản trị
|
Phân quyền, log, human review, phạm vi hành động, cơ chế thu hồi quyền
|
Agent hoạt động trong giới hạn được kiểm soát
|
Cách nhìn này giúp doanh nghiệp tránh triển khai agent như một tính năng rời rạc. Một agent HR, agent sales hay agent dự án đều cần đủ năm lớp trên, chỉ khác nhau ở nguồn dữ liệu, owner nghiệp vụ, bộ quy tắc xử lý và mức độ được phép hành động.
Ứng dụng thực tế khi môi trường Lark đã sẵn sàng
Khi tri thức, dữ liệu và quy trình đã được tổ chức trong Lark, doanh nghiệp có thể bắt đầu từ các bài toán có phạm vi rõ và tần suất lặp lại cao. Đây thường là nhóm việc có nhiều dữ liệu đầu vào, cần tổng hợp thường xuyên và vẫn cần con người kiểm tra kết quả cuối.
|
Hướng ứng dụng
|
Môi trường cần có trong Lark
|
Giá trị kỳ vọng
|
|
Agent hỏi đáp chính sách và SOP
|
Wiki/Docs được cập nhật, phân quyền rõ, owner tài liệu
|
Giảm câu hỏi lặp lại, hỗ trợ onboarding, giúp nhân sự tìm đúng quy trình
|
|
Agent hỗ trợ dự án
|
Base quản lý task, Minutes, Calendar, nhóm chat dự án
|
Tóm tắt tiến độ, phát hiện việc quá hạn, chuẩn bị nội dung họp
|
|
Agent hỗ trợ sales
|
CRM trên Base, tài liệu sản phẩm, proposal mẫu, lịch sử trao đổi
|
Tổng hợp thông tin khách hàng, gợi ý follow-up, chuẩn bị nội dung trước cuộc gặp
|
|
Agent hỗ trợ HR
|
Base tuyển dụng, chính sách nhân sự, quy trình onboarding
|
Tóm tắt CV, gợi ý bước xử lý, trả lời câu hỏi nhân sự phổ biến
|
|
Agent hỗ trợ vận hành nội bộ
|
Base yêu cầu nội bộ, Approval, Task, nhóm chat xử lý
|
Phân loại yêu cầu, nhắc owner, tổng hợp báo cáo theo trạng thái
|
Những ví dụ này nằm trong nhóm 7 hướng triển khai AI Agent thực tế cho doanh nghiệp, từ hỏi đáp tri thức, hỗ trợ dự án đến tự động hóa vận hành. Điểm cần nhấn mạnh ở đây là điều kiện phía sau mỗi hướng triển khai: doanh nghiệp cần chuẩn bị môi trường dữ liệu và quy trình trước khi kỳ vọng agent xử lý tốt.
Bảo mật và phân quyền cần được thiết kế ngay từ đầu
Khi AI Agent bắt đầu đọc dữ liệu và hỗ trợ hành động, bảo mật không thể để xử lý sau. Doanh nghiệp cần xem agent như một thực thể có quyền hạn được quản trị, tương tự một ứng dụng hoặc một vai trò nghiệp vụ trong hệ thống.
Có hai cách hiểu quyền thường gặp. Khi agent làm việc thay mặt một người dùng cụ thể, agent nên chỉ thấy dữ liệu mà người đó được phép thấy. Khi agent chạy một tác vụ hệ thống, quyền truy cập cần được kiểm soát theo phạm vi ứng dụng được admin cấp. Hai mô hình này phục vụ các nhu cầu khác nhau và không nên bị trộn lẫn.
Ví dụ, một trợ lý cá nhân đọc lịch họp nên làm việc theo quyền của người dùng. Một bot gửi báo cáo quá hạn hằng ngày vào nhóm vận hành có thể chạy theo quyền ứng dụng đã được cấp. Một agent hỏi đáp tài liệu nội bộ cần được kiểm soát theo phạm vi tri thức, nhóm người dùng và mức độ nhạy cảm của từng loại tài liệu.
Trước khi mở rộng agent, doanh nghiệp nên trả lời các câu hỏi sau:
-
Agent được đọc những nguồn dữ liệu nào?
-
Agent có được ghi, cập nhật hoặc gửi thông báo không?
-
Người dùng nào được sử dụng agent này?
-
Dữ liệu nào cần loại khỏi phạm vi AI?
-
Đầu ra nào cần hiển thị nguồn tham chiếu?
-
Hành động nào bắt buộc có con người duyệt?
-
Hoạt động truy cập và xử lý của agent có được ghi log không?
Một môi trường tốt cho AI Agent giúp agent làm việc hiệu quả hơn, đồng thời giúp doanh nghiệp biết rõ agent đang làm gì, dùng dữ liệu nào và chịu giới hạn ra sao.
Những sai lầm dễ gặp khi xây dựng môi trường cho AI Agent
Khi triển khai AI Agent, nhiều vấn đề không đến từ bản thân công nghệ, mà đến từ cách doanh nghiệp chuẩn bị môi trường xung quanh agent. Một số sai lầm thường gặp gồm:
-
Bắt đầu từ công cụ thay vì bài toán vận hành. Doanh nghiệp có thể tạo nhiều agent rất nhanh, nhưng nếu không rõ agent phục vụ quy trình nào, dữ liệu lấy từ đâu và ai kiểm tra kết quả, việc triển khai sẽ khó đi xa.
-
Đưa dữ liệu chưa được dọn dẹp vào phạm vi AI. Tài liệu cũ, nhiều phiên bản, thiếu owner hoặc phân quyền lỏng lẻo sẽ làm giảm độ tin cậy của câu trả lời. Agent khi đó không sai vì thiếu thông minh, mà vì môi trường dữ liệu chưa đủ tốt.
-
Cấp quyền quá rộng ngay từ đầu. Khi agent được quyền đọc nhiều nguồn và thực hiện nhiều hành động, doanh nghiệp sẽ khó kiểm soát rủi ro. Cách tốt hơn là bắt đầu với quyền hẹp, đo hiệu quả, sau đó mở rộng khi đã có đủ bằng chứng.
-
Thiếu cơ chế học lại từ phản hồi của người dùng. Agent cần được tinh chỉnh qua từng vòng sử dụng: câu hỏi nào trả lời sai, nguồn nào thiếu, quy trình nào chưa rõ, hành động nào nên thêm bước duyệt. Đây là phần vận hành liên tục, cần được theo dõi và cải tiến sau khi cấu hình ban đầu hoàn tất.
Điểm chung của các sai lầm này là doanh nghiệp kỳ vọng agent vận hành tốt trước khi môi trường dữ liệu, quy trình và quyền hạn đủ rõ. Khi chuẩn bị kỹ phần nền tảng, việc lựa chọn công cụ hoặc cấu hình agent sẽ bớt rủi ro hơn nhiều.
Tổng kết
Xây dựng môi trường cho AI Agent trong doanh nghiệp với Lark là quá trình tổ chức lại cách dữ liệu, tri thức, quy trình, con người và quyền truy cập cùng vận hành trên một nền tảng. Lark tạo nền tảng thuận lợi vì nhiều hoạt động hằng ngày của doanh nghiệp đã có thể diễn ra trong cùng một không gian: giao tiếp, tài liệu, dữ liệu Base, lịch, task, phê duyệt và workflow.
Khi môi trường này đủ rõ, AI Agent có thể đi xa hơn vai trò hỏi đáp. Agent có thể hỗ trợ tổng hợp thông tin, chuẩn bị đầu ra, theo dõi tiến độ, gợi ý bước xử lý và phối hợp với con người trong phạm vi được kiểm soát. Giá trị thật không nằm ở việc có thật nhiều agent, mà ở việc mỗi agent được đặt đúng bài toán, đúng nguồn dữ liệu, đúng quyền và đúng điểm kiểm duyệt.
Với doanh nghiệp đang muốn đưa AI Agent vào vận hành trên Lark, Rikkei Digital có thể đồng hành từ bước khảo sát bài toán, đánh giá hiện trạng dữ liệu và quy trình, thiết kế môi trường Lark phù hợp đến tư vấn triển khai AI Agent theo từng giai đoạn. Cách bắt đầu tốt nhất là chọn một bài toán đủ rõ, chuẩn hóa môi trường xung quanh bài toán đó, rồi mở rộng khi agent đã chứng minh được giá trị trong công việc hằng ngày.
