Báo cáo hành vi người dùng Agent văn phòng tại Trung Quốc: Giao việc rồi, ai xác nhận đã hoàn thành?

Báo cáo tháng 9 của Youdao (19/10/2026): 77% người dùng nhắn tin của nền tảng dùng WeChat; các kênh có thể trùng lặp. Đây là quan sát trên một nền tảng.

Kênh bắt đầu công việc này đáng được chú ý. Tuy nhiên, mức độ phổ biến của một kênh và việc hoàn thành công việc là hai điều cần được kiểm chứng riêng. Dưới đây là phân tích độc lập của Open Market Notes: khi một tin nhắn có thể khởi động một nhiệm vụ, thay đổi thực sự trong văn phòng có thể không nằm ở việc con người bớt vài lần nhấp chuột, mà ở chỗ chi phí phân công trách nhiệm giảm xuống, trong khi chi phí xác nhận trách nhiệm ấy đã được thực hiện chưa chắc giảm theo cùng nhịp.

Một câu “làm giúp tôi” bỏ qua bao nhiêu điều kiện?

Hãy hình dung một nhân viên vận hành thương mại điện tử gửi yêu cầu trên đường đi làm: dựa trên tài liệu về sản phẩm mới, hãy chuẩn bị một phương án đăng bán. Agent thu thập thông tin, sắp xếp bảng tính, viết phần giới thiệu và tạo cả hình ảnh minh họa. Đây là tình huống công việc giả định, không phải trường hợp người dùng được nêu trong báo cáo.

Xét theo số lượng tệp, nhiệm vụ đã có tiến triển; xét như một hoạt động kinh doanh, nó có thể vẫn chưa hoàn tất. Mã sản phẩm có khớp không, hình ảnh có được phép sử dụng thương mại không, giá còn hiệu lực không, nội dung giới thiệu có vượt quá khả năng thực tế của sản phẩm không: tất cả đều là một phần của yêu cầu bàn giao. Nếu hệ thống còn có thể trực tiếp đăng bán, cửa hàng đích và thời điểm đăng cũng cần được xác định rõ. Con người diễn đạt càng ngắn gọn, hệ thống càng phải quyết định điều gì có thể suy luận và điều gì bắt buộc phải hỏi lại.

Vì vậy, không thể chỉ đo giá trị của giao diện trò chuyện bằng việc “đưa ra yêu cầu dễ đến mức nào”. Cũng cần xem các hiểu nhầm có được phát hiện kịp thời không, người dùng có biết nhiệm vụ đang mắc ở đâu không, và khi kết thúc có một kết quả kiểm tra được hay không. Một hệ thống liên tục hiển thị “đang xử lý” có thể khiến người dùng yên tâm hơn một hệ thống nói rõ “thiếu thông số sản phẩm nên chưa thể tiếp tục”, nhưng chưa chắc hữu ích hơn.

Mã nguồn và tài liệu sản phẩm của Youdao cho thấy khả năng kết nối tệp, trình duyệt, công cụ và các kênh trò chuyện. Đối với tổ chức, sự kết nối ấy đồng nghĩa với việc cần thiết kế các điểm bàn giao mới: ai cung cấp đầu vào, ai phê duyệt hành động hướng ra bên ngoài, ai chịu trách nhiệm về phiên bản cuối cùng. Đây là những vấn đề trong cách tổ chức công việc, không thể chỉ dựa vào năng lực mô hình để giải quyết.

Hoạt động là một tín hiệu; nghiệm thu mới là một kết quả

Khi đọc bất kỳ báo cáo hành vi người dùng nào, trước hết nên đặt một câu hỏi đơn giản: mẫu số gồm những ai? Người dùng của một nền tảng, những người trong số đó bật một tính năng cụ thể, và toàn bộ nhân viên của một công ty là các nhóm khác nhau. Cùng một người sử dụng nhiều thiết bị, nhiều mô hình cũng có thể tạo ra nhiều bản ghi. Không thể cho rằng một chỉ số đương nhiên có thể đem so sánh với chỉ số khác chỉ vì nó được biểu diễn dưới dạng phần trăm.

Dữ liệu hành vi phù hợp để phát hiện những hiện tượng đáng khảo sát thêm. Nó có thể giúp đội ngũ sản phẩm tìm ra các kênh tiếp cận, trở ngại và nhu cầu, nhưng tự nó không thể trả lời liệu một nhiệm vụ có giúp tổ chức tiết kiệm thời gian hay không. Hoạt động tăng có thể đến từ người dùng mới, cũng có thể từ những lần thử đi thử lại của người dùng hiện tại; số lượt gọi tăng có thể tương ứng với công việc phức tạp hơn, cũng có thể tương ứng với nhiều lần thử lại hơn. Muốn đưa ra nhận định, cần tách các khả năng này ra thay vì chọn khả năng lạc quan nhất.

Một cách đánh giá khả thi trong doanh nghiệp là xác định trước sản phẩm cần bàn giao. Chẳng hạn, với cùng một bộ tài liệu sản phẩm, yêu cầu quy trình thủ công và quy trình có hỗ trợ mỗi bên hoàn thành một bản nháp đăng bán đáp ứng cùng tiêu chuẩn. Không chỉ so sánh thời điểm xuất hiện tệp đầu tiên, mà còn tính thời gian đối chiếu, sửa đổi, chờ bổ sung thông tin và xử lý lại sau khi bản nháp bị trả về. Nếu có thể, chất lượng nên được chấm theo cùng tiêu chí bởi những người không biết sản phẩm được tạo ra bằng cách nào. Điều này không bảo đảm một thử nghiệm hoàn hảo, nhưng có thể giảm nguy cơ nhầm “trông có vẻ bận rộn” với “thực sự hữu ích”.

Ngoài hóa đơn tính toán, còn có hóa đơn làm lại

Lượng token sử dụng là chỉ số về mức sử dụng mô hình, không phải chỉ số về thành quả. Một nhiệm vụ đọc tài liệu dài, giữ ngữ cảnh và thử nhiều phương án có thể tiêu tốn nhiều tài nguyên tính toán hơn một cách hợp lý; mức tăng tương tự cũng có thể đến từ các vòng lặp không hiệu quả. Điều người quản lý thực sự nên quan tâm là tổng chi phí để có được mỗi kết quả chấp nhận được, thay vì sự tăng hay giảm riêng lẻ của một chỉ số sử dụng nào đó.

Tài liệu bộ nhớ đệm của DeepSeek giải thích rằng tiền tố đầu vào khớp có thể được tái sử dụng; đầu ra vẫn cần tính toán. Bộ nhớ đệm không xác minh câu trả lời.

Giả sử một nhiệm vụ nghiên cứu cần thường xuyên đọc lại cùng một bộ tài liệu nền, việc tái sử dụng đầu vào có thể rất có giá trị. Nhưng nếu chọn sai đối tượng nghiên cứu, dù mỗi lần đọc đều rẻ, báo cáo cuối cùng vẫn có thể phải làm lại. Với những nhiệm vụ có hệ quả bên ngoài, một lỗi rẻ về mặt tính toán chưa chắc là một lỗi có tổng chi phí thấp. Một tệp chưa được kiểm tra mà đã gửi cho khách hàng còn có thể làm mất thời gian trao đổi và giải thích. Những chi phí này thường không xuất hiện đầy đủ trên hóa đơn sử dụng mô hình.

Đó cũng là lý do cần bàn về “mỗi lượt gọi rẻ hơn” cùng với “mỗi lần nghiệm thu đáng tin cậy hơn”. Điều thứ nhất có thể khuyến khích thử nghiệm; điều thứ hai mới quyết định những lần thử ấy có thể trở thành một phần ổn định của công việc chính thức hay không. Trộn lẫn hai điều này sẽ khiến tiến bộ kỹ thuật phải gánh một kết luận kinh doanh mà nó chưa chứng minh được.

Tệp đã hoàn thành, công việc vẫn cần được bàn giao

Bản cập nhật phương pháp của METR ngày 24 tháng 2 năm 2026 chỉ ra rằng việc lựa chọn người tham gia và sử dụng đồng thời nhiều Agent ảnh hưởng đến việc đo lường hiệu suất. Bài viết này không dựa vào đó để đánh giá lợi ích ròng của Agent văn phòng.

Một vấn đề tổ chức khác đáng xem xét riêng là làm thế nào một tệp trở thành phiên bản được thống nhất. Tiếp tục tình huống giả định ở trên: nhân viên vận hành nhận được bản nháp đăng bán, nhà thiết kế sửa hình ảnh, rồi bộ phận bán hàng điều chỉnh phần mô tả sản phẩm. Phiên bản nào mới là bản sẵn sàng để đăng? Nếu sau đó hệ thống tạo lại toàn bộ tệp dựa trên tài liệu cũ, phần việc con người đã làm trước đó có bị ghi đè không? Những câu hỏi này có liên quan đến chất lượng của một lần tạo nội dung, nhưng không thể giải quyết triệt để chỉ bằng cách nâng cao chất lượng của lần tạo đó.

Một cách làm rõ ràng hơn là phân biệt bản nháp với phiên bản đã được phê duyệt, đồng thời cho phép truy lại căn cứ của các sửa đổi. Với những trường dễ thay đổi như giá, thông số và thời hạn, cần ghi rõ thời điểm kiểm tra và người chịu trách nhiệm xác nhận. Agent có thể giúp tổng hợp các khác biệt, nhưng “phát hiện sự khác biệt” và “có quyền lựa chọn phiên bản cuối cùng” vẫn là hai quyền hạn khác nhau. Nếu mỗi người tham gia đều nghĩ người khác đã xác nhận, tốc độ tăng lên ngược lại có thể khiến nội dung chưa được xác nhận lan ra bên ngoài nhanh hơn.

Yêu cầu bàn giao này không nhất thiết phải biến thành những biểu mẫu phức tạp. Một ghi chú ngắn có thể đã đủ: lần này đã sửa những gì, dùng tài liệu nào, còn mục nào chưa được xác nhận. Giá trị của nó là giúp người xử lý tiếp theo có thể tiếp tục công việc mà không phải đoán lại toàn bộ quá trình. Khi trợ lý cá nhân tham gia vào sự phối hợp của cả nhóm, khả năng lưu lại bối cảnh như vậy trở thành một phần của chất lượng bàn giao.

Điều thực sự cần thiết lập là một quy trình bàn giao có trật tự

Sức hấp dẫn của Agent văn phòng nằm ở việc chuyển gánh nặng thao tác khỏi tay con người. Muốn giữ được giá trị ấy, cần tránh biến phần thao tác vừa tiết kiệm được thành một gánh nặng giám sát thiếu minh bạch.

Một quy trình đáng tin cậy hơn cần cho người dùng thấy mục tiêu, căn cứ quan trọng, trạng thái hiện tại và sản phẩm cuối cùng. Những hành động liên quan đến gửi ra bên ngoài, thanh toán hoặc ghi đè tệp gốc cần được xử lý khác với việc sắp xếp và soạn thảo thông thường. Khi thực hiện lại sau thất bại, cũng cần nói rõ những bước nào đã diễn ra để tránh gửi hoặc sửa đổi trùng lặp. Đây là các nguyên tắc thiết kế, không phải sự bảo đảm về tính năng hiện có của một sản phẩm cụ thể.

Báo cáo này tạo cơ hội quan sát sự thay đổi trong cách bắt đầu công việc văn phòng. Với người dùng và doanh nghiệp, câu hỏi tiếp theo đáng đặt ra hơn là liệu một lần giao việc có để lại sản phẩm bàn giao có thể kiểm tra lại hay không. Kênh tiếp cận quyết định con người có muốn bắt đầu hay không; trách nhiệm rõ ràng, bằng chứng và nghiệm thu quyết định họ có muốn dựa vào hệ thống lâu dài hay không. Cuối cùng, đánh giá mức độ trưởng thành của những sản phẩm này vẫn phải quay về chính công việc.

Ghi chú nguồn: Bài viết dẫn liên kết đến báo cáo gốc của NetEase Youdao, đồng thời tham khảo tài liệu sản phẩm, tài liệu kỹ thuật của DeepSeek và bản cập nhật phương pháp của METR. Các tình huống và đề xuất đánh giá là phân tích gốc của Open Market Notes; không suy rộng mức sử dụng trên một nền tảng ra toàn Trung Quốc và không cấu thành lời khuyên đầu tư.