Loại công cụ này khác gì với việc cài AI bot trong Slack?

Bot của Slack mỗi cái độc lập, không có trí nhớ dùng chung, chuyện bạn nói với bot A thì bot B không biết, mà chúng cũng không điều phối hành động của nhau. Cốt lõi của workspace dùng chung là ngữ cảnh dùng chung và xử lý xung đột — agent biết agent khác đang làm gì, cũng biết quyết định trước đó là gì.

Công ty có mấy agent thì đáng triển khai?

Theo kinh nghiệm là ba. Một hai agent dựa đầu người điều phối là đủ, cái thứ ba bắt đầu sẽ xuất hiện vấn đề làm lại, quy phạm không nhất quán, ngữ cảnh nhập lặp. Một tín hiệu khác là: khi bạn phát hiện cùng một bộ dữ liệu nền phải dán cho các agent khác nhau hơn ba lần, thì nên cân nhắc.

Agent chạy trên đám mây, mã và dữ liệu có bị rò ra ngoài không?

Sẽ đi qua môi trường của nền tảng đó, đây là bản chất của sản phẩm kiểu đám mây. Nhóm có yêu cầu an ninh khắt khe nên chọn phương án hỗ trợ tự host (ví dụ Agensis có tùy chọn tự host), hoặc ít nhất trong hợp đồng xác nhận thời hạn lưu giữ dữ liệu, có dùng cho huấn luyện không, khu vực lưu trữ.

Tính phí theo đầu người với theo số agent khác nhau bao nhiêu?

Khác rất nhiều, và sẽ ảnh hưởng hành vi dùng của bạn. Tính phí theo agent khiến nhóm vô thức mở ít agent, nhưng giá trị của agent lại chính là ở chỗ mở thoải mái, mở sai thì xóa. Tính phí theo đầu người (ví dụ Pro của Agensis 20 đô/tháng) hợp lợi ích người dùng hơn. Khi chọn thì điều này đáng tính nghiêm túc.

Khi đồng nghiệp trở thành một đám agent: công cụ workspace dùng chung đang viết lại định nghĩa 'làm việc cùng nhau'

Nửa cuối năm 2026 nổi lên một loạt sản phẩm 'workspace người và AI Agent dùng chung', cùng nhắm giải quyết một chuyện: agent nhiều lên rồi làm sao đừng đánh nhau, làm sao chia sẻ ngữ cảnh, ai chịu trách nhiệm bấm xác nhận. Bài này so sánh bốn hướng thiết kế, và bàn công ty Việt Nam nên đầu tư vào thời điểm nào.

Một người bạn làm firmware ở khu công nghệ cao TP.HCM mới đây than với tôi, nói bộ phận anh giờ có năm AI Agent đang chạy: một cái quản tài liệu, một cái viết test, một cái làm code review, hai cái viết tính năng ở các dự án khác nhau. Nghe rất tiên tiến, nhưng thực trạng là thế này —

"Mỗi lần muốn dùng một agent khác, tôi lại phải kể lại bối cảnh dự án một lần. Mà tuần trước hai agent cùng sửa một file, một cái đè mất đồ của cái kia, chúng tôi mất nửa ngày mới phát hiện."

Anh hỏi tôi: "Có phải chúng tôi dùng sai cách không?"

Không phải. Đây là vấn đề của tất cả mọi người ở giai đoạn này, và đã có một loạt công cụ đang giải nó.

Bối cảnh sự việc

Nửa cuối năm 2026, một hạng mục sản phẩm mới nổi lên: workspace mà người và AI Agent dùng chung.

Trên bảng xếp hạng Product Hunt tháng 8 đã xuất hiện mấy cái: Oasis HQ (văn phòng ảo cho người và agent), Agensis (workspace kiểu kênh, agent là thành viên có danh tính), Murmell (canvas đám mây dùng chung, nhiều coding agent cùng sửa một repo).

Giao diện của chúng khác nhau nhiều, nhưng cùng giải một bộ vấn đề:

Ngữ cảnh chia sẻ thế nào — đừng lần nào cũng kể lại từ đầu
Xung đột xử lý thế nào — hai agent cùng sửa một thứ thì sao
Ai bấm xác nhận — khi agent phải động tiền, phải gửi tin ra ngoài, người ở khâu nào

Người quen lịch sử kỹ thuật phần mềm sẽ thấy quen thuộc. Ba vấn đề này chính là những gì nhóm con người đối mặt khi phát triển version control, code review, quản lý thay đổi trong thập niên 1990. Chỉ là lần này đối tượng cộng tác không phải người.

Trọng tâm lần này: bốn hướng thiết kế

So sánh loạt công cụ này, có thể thấy mấy con đường khác nhau.

Hướng một: Văn phòng ảo (Oasis HQ)

Nhấn mạnh "trí nhớ sống" — lưu mỗi quyết định, nhiệm vụ và bài học, agent mới tiếp quản không phải bắt đầu từ số không, agent cũng có thể đổi model nâng cấp và nối tiếp tiến độ của cái trước. Về hệ sinh thái đi hướng mở, tuyên bố có thể triển khai một chạm Claude Code, Devin và bất kỳ agent nào tương thích MCP.

Hợp với tổ chức có nhiều agent, nguồn tạp.

Hướng hai: Cộng tác kiểu kênh (Agensis)

Giao diện chính là Slack mà ai cũng quen — kênh, luồng thảo luận, tin nhắn riêng, khác ở chỗ agent là thành viên có danh tính và trí nhớ cố định. Đặc điểm là luồng thảo luận có thể rẽ nhánh rồi hợp lại, để nhóm cùng thử vài hướng rồi hội tụ.

Triết lý định giá đáng chú ý: agent miễn phí, tính phí theo đầu người. Bản miễn phí một workspace, hai agent, tự chuẩn bị API key; Pro 20 đô/tháng agent không giới hạn. Điều này ngược hẳn với đa số nền tảng tính phí theo số agent hay số lần chạy.

Hướng ba: Canvas dùng chung (Murmell)

Chuyên trị coding agent. Nhiều agent làm việc trên cùng một repo, mỗi cái mở ở cửa sổ riêng, có terminal độc lập. Cơ chế cốt lõi là nhận (claim) file — agent trước khi ghi phải nhận file, tránh đè lẫn nhau. Mọi việc cuối cùng quay về git.

Cái "hai agent đè mất của nhau" mà bạn tôi gặp, hướng này chính là chuyên giải.

Hướng bốn: Bàn làm việc desktop (Berd)

Không lên đám mây, chỉ là một ứng dụng desktop mã nguồn mở trên Mac, ngữ cảnh của agent đi theo dự án chứ không theo hội thoại. Miễn phí, mã nguồn mở, chạy tại máy.

Hợp với người làm một mình hoặc người không được đưa mã ra ngoài.

Phân tích tác động thị trường

Với người dùng Việt Nam

Tầng này người dùng thường không tiếp xúc được, nhưng nó ảnh hưởng chất lượng dịch vụ bạn nhận. Khi nhiều agent của doanh nghiệp dùng chung cùng một bộ chính sách và ngữ cảnh, thì câu trả lời bạn hỏi ở các kênh khác nhau mới nhất quán; công ty không có tầng dùng chung thì trên chatbot website và chăm sóc qua Zalo bạn sẽ nhận hai phiên bản trả lời khác nhau — chuyện này thật ra hiện rất phổ biến.

Với ứng dụng doanh nghiệp

Khi nào nên đầu tư? Tiêu chí phán đoán của tôi là ba agent. Một hai cái dựa vào đầu người điều phối là đủ, cái thứ ba bắt đầu sẽ xuất hiện ba kiểu lãng phí: cùng một bộ dữ liệu nền nhập lại nhiều lần, các agent khác nhau đưa ra khuyến nghị mâu thuẫn, và phiền nhất — các agent phá lẫn nhau.

Một tín hiệu thực tế khác là: khi bạn phát hiện mình đang soạn tài liệu "phần bối cảnh cần dán cho agent", thì tức là đã cần một tầng ngữ cảnh dùng chung.

Chi phí tính thế nào? Có một cái bẫy dễ bỏ qua ở đây: cách tính phí sẽ thay đổi hành vi dùng của bạn. Nền tảng tính phí theo số agent thì nhóm sẽ vô thức mở ít agent — nhưng giá trị của agent lại chính là ở chỗ có thể mở thoải mái, mở sai thì xóa mở lại. Tính phí theo đầu người (Agensis Pro 20 đô/tháng, Team 50 đô/ghế) hợp lợi ích người dùng hơn; còn Murmell gói Solo từ 39 đô/tháng thì hơi cao, nhưng Pro và Builder kèm hạn mức Opus 60 đô, nếu vốn đã đốt phí API thì tính hiệu quả kéo lại được đôi chút.

An ninh nhìn thế nào? Đây là câu hỏi doanh nghiệp Việt Nam nên hỏi nhất. Workspace kiểu đám mây thì agent chạy trên môi trường bên kia, mã và dữ liệu tất yếu đi qua đó. Ngành có quy định khắt khe (tài chính, y tế, chuỗi cung ứng quốc phòng) nên ưu tiên cân nhắc phương án hỗ trợ tự host — Agensis có tùy chọn tự host, còn Berd thì chạy hoàn toàn tại máy.

Trước khi triển khai nhất định xác nhận ba điều: thời hạn lưu giữ dữ liệu, có dùng cho huấn luyện model không, khu vực lưu trữ. Nhà cung cấp nào không ghi được ba điều này vào hợp đồng thì đừng dùng cho dự án nhạy cảm.

Với lập trình viên

Có một năng lực đang trở nên quan trọng: thiết kế giao thức cộng tác giữa các agent.

Trước đây chúng ta thiết kế là luồng cộng tác người với người — ai phụ trách gì, khi nào bàn giao, xung đột giải thế nào. Giờ phải thiết kế thứ tương tự cho agent, mà agent không như người "thấy kỳ kỳ thì hỏi một câu trước", nó sẽ cứ theo quy tắc làm một mạch đến cùng.

Điều này nghĩa là thiết kế quy tắc phải nghiêm ngặt hơn. File nào thuộc phạm vi trách nhiệm của ai, tình huống nào phải dừng lại hỏi người, hai agent ý kiến khác nhau thì nghe ai — những thứ trước đây dựa vào ăn ý của nhóm, giờ phải viết ra rõ ràng thành văn. Loại công cụ chuyên quản "tài liệu quy phạm cho agent đọc" như Skilldocs xuất hiện, chính là vì nhu cầu này.

Xu hướng phát triển tương lai

Cơ chế cộng tác sẽ chuẩn hóa. Hiện mỗi nền tảng có một bộ claim file, định dạng trí nhớ, luồng duyệt riêng. Giống như version control cuối cùng hội tụ về git, cơ chế cộng tác của agent cũng sẽ dần xuất hiện chuẩn thực tế, đa phần sẽ xây trên các giao thức mở sẵn có như MCP.

Duyệt sẽ trở thành yêu cầu tuân thủ. Quyền thực thi của Đạo luật AI EU đã khởi động tháng 8/2026, nguyên tắc "quyết định rủi ro cao của AI phải có con người giám sát" sẽ dần rơi xuống tầng hiện thực. Công ty tự nguyện làm luồng duyệt bây giờ, sau này chuyển sang tuân thủ chi phí sẽ thấp hơn nhiều.

Trí nhớ sẽ vừa là tài sản vừa là gánh nặng. Trí nhớ dùng chung tích lũy càng nhiều thì giá trị càng cao, nhưng chi phí chuyển nền tảng cũng càng cao. Khi chọn nhất định phải hỏi rõ định dạng xuất ra — chuyện này giờ chẳng ai để ý, hai năm sau sẽ rất đau.

Tổng kết và nhận định của TheAI Academy

Quay lại câu hỏi của người bạn ở TP.HCM. Lời khuyên tôi cho anh không phải "mau mua một bộ công cụ", mà là làm trước ba việc không tốn tiền:

Thứ nhất, viết bối cảnh dự án thành một tài liệu, mọi agent đều đọc cùng một bản, đừng kể lại bằng miệng. Thứ hai, phân định rõ phạm vi trách nhiệm — agent nào phụ trách file nào, viết ra. Thứ ba, quy định mọi output của agent đều đi qua PR, không ghi thẳng vào nhánh chính.

Ba việc này làm xong, vấn đề của anh giải quyết được bảy phần, chi phí bằng không.

Công cụ mua được là hiệu suất, mua không được là kỷ luật. Tôi thấy quá nhiều nhóm tưởng đưa nền tảng vào là giải quyết được hỗn loạn, kết quả chỉ là dời hỗn loạn sang một chỗ đắt hơn. Giá trị của loại sản phẩm workspace dùng chung là ở chỗ, sau khi bạn đã có kỷ luật cơ bản, nó nén nốt ba phần chi phí điều phối còn lại xuống.

Nhận định: hãy dùng tài liệu và quy tắc phân định rõ trách nhiệm của agent trước, rồi mới cân nhắc mua công cụ — làm ngược thứ tự thì thứ bạn mua chỉ là một mớ hỗn loạn đắt hơn.

Lời khuyên cụ thể cho độc giả Việt Nam: nếu nhóm bạn hiện có từ ba agent trở lên đang chạy, tuần này hãy làm trước hai việc "tài liệu bối cảnh dùng chung + bảng phân công trách nhiệm". Cầm cự đến cuối năm rồi đánh giá có nên đưa nền tảng vào không, lúc đó sản phẩm của thị trường này cũng trưởng thành hơn, lựa chọn sẽ tốt hơn. Muốn thử nước với chi phí thấp thì bản miễn phí của Agensis (một workspace, hai agent, tự chuẩn bị key) hoặc Berd mã nguồn mở miễn phí đều là điểm khởi đầu chi phí bằng không.

Thêm nội dung liên quan có thể tham khảo Hướng dẫn xây dựng AI Agent và Công cụ cộng tác nhóm AI, cũng có thể vào Mẫu prompt tìm ví dụ lệnh agent có sẵn.

Nguồn tham khảo

Tổng hợp theo thông tin công khai, tính năng và giá sản phẩm lấy theo công bố chính thức.