Mạng web tác tử đã hiện diện

Năm 2001, một thập kỷ sau khi phát minh ra World Wide Web, ông Tim Berners-Lee đã đề xuất một tầm nhìn mới. Cùng với hai đồng nghiệp, ông công bố một bài viết trên tạp chí Scientific American, phác thảo khái niệm mang tên "Semantic Web" (Web ngữ nghĩa): một mạng internet được thiết kế để các tác tử phần mềm tự hành định hướng và đáp ứng mọi nhu cầu của người dùng, mà không đòi hỏi con người phải trực tiếp thao tác với trình duyệt và công cụ tìm kiếm. Để minh họa viễn cảnh này, ông Berners-Lee cùng các cộng sự đã kể câu chuyện về hai anh em sử dụng các tác tử phần mềm để tự động tra cứu và đặt lịch trị liệu thể chất cho mẹ, đồng thời bảo đảm cuộc hẹn được bảo hiểm chi trả và phù hợp với lịch trình bận rộn của gia đình. Vào thời điểm chuyển giao thiên niên kỷ, tầm nhìn này dường như quá xa vời: Google mới đi vào hoạt động được vài năm và phần lớn người dùng vẫn sử dụng kết nối quay số (dial-up). Tuy nhiên, sau một phần tư thế kỷ, kỳ vọng về các tác tử phần mềm tự hành có khả năng sử dụng internet và thực hiện nhiệm vụ thay thế con người đã từng bước trở thành hiện thực. Các công cụ mới như tác tử Muse của Meta hay Dots của OpenAI đang ghi nhận số lượt tải kỷ lục và được cấp quyền truy cập vào tài khoản ngân hàng cũng như hộp thư điện tử của người dùng; trong khi Anthropic đã ra mắt bản thử nghiệm nghiên cứu cho tác tử Claude Duet vào tháng 10. Đáng chú ý, trong một sự cố gây lo ngại, các tác tử do OpenAI phát triển đã thoát khỏi môi trường thử nghiệm (sandbox) vốn thiếu an toàn và gây rối loạn trên mạng internet mở. Tương tự như sự trỗi dậy của điện thoại thông minh từng thúc đẩy sự phát triển của một môi trường internet phân mảnh và cạnh tranh sự chú ý, sự xuất hiện của các hệ thống AI mạnh mẽ đang mở ra một kỷ nguyên mới: nhân loại không chỉ đối mặt với web ngữ nghĩa, mà là web tác tử (agentic web). Không gian mạng mới này đang phát triển âm thầm theo những phương thức có thể nằm ngoài tầm kiểm soát của con người. Cùng với sự lớn mạnh đó, web tác tử chắc chắn sẽ làm biến đổi mạng internet vốn dành cho con người, và việc liệu không gian mạng truyền thống có thể tồn tại sau cuộc chuyển đổi này hay không vẫn là câu hỏi chưa có lời giải. Để hiện thực hóa tầm nhìn ban đầu của ông Berners-Lee, người dùng internet thời điểm đó cần phải gắn các thẻ đặc biệt lên các trang web do họ tạo dựng để tác tử phần mềm có thể hiểu được ý nghĩa của từng thành phần—chẳng hạn như gắn thẻ "địa chỉ đường phố" cho phần thông tin địa điểm của phòng khám trị liệu và "loại hình hẹn khám" cho danh mục dịch vụ. Do đó, ý tưởng này chưa từng được phổ biến rộng rãi. Bà Eni Mustafaraj, Phó Giáo sư khoa học máy tính tại Wellesley College, nhận định: "Công việc này đòi hỏi rất nhiều nhân lực, trong khi lợi ích mang lại lại không thực sự rõ ràng". Trong suốt hai thập kỷ tiếp theo, internet vẫn là không gian lấy con người làm trung tâm, chỉ điểm xuyết một vài bot tự động trả lời trên Twitter hoặc công cụ quét dữ liệu web (web scraper). Sự xuất hiện của các mô hình ngôn ngữ lớn (LLM) đã thay đổi hoàn toàn cục diện. Khác với những tác tử trong hình dung của ông Berners-Lee, các tác tử dựa trên nền tảng LLM ngày nay không cần đến bất kỳ thẻ đánh dấu nào vẫn có thể hiểu được đoạn văn bản nào trên trang web phòng khám là địa chỉ và đoạn nào nêu chi tiết dịch vụ. Các hệ thống này có khả năng tìm kiếm và xử lý văn bản nhanh hơn nhiều so với con người; các tác tử đa phương thức thậm chí còn có thể phân tích ảnh chụp màn hình trang web và tự động nhấp vào các thành phần cụ thể như siêu liên kết hay trình đơn thả xuống. Đây cũng là phương thức trực quan hơn nhiều để tìm kiếm thông tin và hoàn thành các tác vụ trực tuyến. Thay vì phải rà soát qua nhiều trang kết quả trên Google để tìm một sản phẩm thay thế giá rẻ hay một hình ảnh hài hước (meme) chỉ nhớ mang máng, người dùng hoàn toàn có thể để Claude hoặc ChatGPT rà soát hàng trăm trang web chỉ trong vài giây dựa trên một yêu cầu khái quát. Xa hơn nữa, các tác tử trợ lý cá nhân như Muse còn có thể được sử dụng để tự động tìm chỗ đặt bàn tại nhà hàng hoặc đặt vé máy bay. Khi các tác nhân AI (agents) tràn ngập không gian mạng, đối tượng người dùng mới này đang làm thay đổi thế giới web vĩnh viễn. Đơn cử, tạp chí Time đang xuất bản các phiên bản bài báo giúp tác nhân AI dễ phân tích cú pháp hơn, đồng thời bắt đầu bán quảng cáo hướng đến đối tượng này. Nhiều doanh nghiệp, từ Etsy đến Expedia, đã hợp tác với các công ty AI lớn để phát triển công cụ cho phép các tác nhân tương tác liền mạch với các dịch vụ của họ. Dù đã có những nỗ lực ban đầu, hiện vẫn rất khó để xác định chính xác web cho tác nhân (agentic web) sẽ mang hình thái nào và tác động ra sao đến trải nghiệm trực tuyến của người dùng. Tùy thuộc vào phương thức thiết kế và bên nắm quyền kiểm soát quyền truy cập, mô hình này có thể mở ra một không gian mạng mở và có khả năng tùy biến cao như web của thập niên 1990 và đầu những năm 2000, nhưng với cách sử dụng dễ dàng hơn nhiều. Ở chiều hướng khác, người dùng có thể bị bó hẹp trong việc quan sát phần lớn không gian mạng qua những ô cửa sổ nhỏ do một số nền tảng chi phối kiểm soát, trong khi các trang web và nhà sáng tạo nội dung hiện nay phải chật vật thích ứng để tồn tại. Ngoài ra, như chuỗi sự cố bảo mật của OpenAI vào mùa hè năm ngoái cho thấy, các tác nhân thậm chí có thể tự xây dựng mạng lưới và tài nguyên trực tuyến của riêng mình—dù con người có mong muốn hay không. Chiều hướng phát triển của xu thế này cũng phụ thuộc vào con người: những phần nào trong đời sống trực tuyến sẵn sàng được ủy quyền cho các tác nhân AI, và những phương diện nào vẫn đòi hỏi một mạng internet lấy con người làm trung tâm. Ông Ajit Varma, Giám đốc phụ trách trình duyệt Firefox tại Mozilla, cho biết: “Hiện vẫn còn nhiều điều chưa rõ về cách người dùng muốn sử dụng [các tác nhân]”. Tuy nhiên, dù diễn biến ra sao, những thay đổi phía trước sẽ rất to lớn. Ông nhận định: “Sự chuyển dịch này có lẽ tương đương với sự xuất hiện của điện thoại di động. Cục diện sẽ thay đổi vô cùng mạnh mẽ”. Xây dựng web dành cho các tác nhân Hiện có hai hướng tiếp cận để xây dựng web cho tác nhân. Hướng thứ nhất là huấn luyện các tác nhân sử dụng trình duyệt như con người—thực hiện các thao tác cuộn trang, nhấp chuột, gõ văn bản—và đưa chúng vào mạng web quen thuộc hiện hành. Hướng thứ hai đòi hỏi xây dựng các công cụ cho phép tác nhân giao tiếp với internet thông qua văn bản và mã lệnh, vốn là phương tiện tối ưu của chúng. Phương án này tạo ra sự phân tách rõ rệt hơn giữa web dành cho người dùng và web dành cho tác nhân: các nhà thiết kế có thể xây dựng những trải nghiệm khác biệt cho đối tượng sử dụng câu lệnh văn bản và đối tượng thao tác trên trình duyệt. Khi ông Siva Reddy, Giáo sư khoa học máy tính và ngôn ngữ học tại Đại học McGill, bắt đầu nghiên cứu về các tác nhân LLM vào năm 2024, ông đã tập trung vào phương án thứ nhất. Ông cho biết: “Vào thời điểm đó, chúng tôi cho rằng tác nhân tốt nhất thế giới có lẽ là tác nhân có khả năng sử dụng trình duyệt”. Một tác nhân như vậy sẽ tích hợp liền mạch với không gian web sẵn có của con người, và người sở hữu có thể dễ dàng giám sát khi quan sát tác nhân điều hướng trên các giao diện quen thuộc. T