AI cho Business

Nghiên cứu giới thiệu MCP-Injector, một middleware tiêm lỗi có nhận thức giao thức (protocol-aware) nhằm kiểm thử độ bền vững của LLM Agent khi công cụ MCP gặp sự cố thực tế. Dựa trên dữ liệu từ 57.240 luồng vấn đề/PR trên 1.774 kho lưu trữ MCP, thử nghiệm 1.350 cell chỉ ra rằng lỗi công cụ làm giảm 60% điểm hoàn thành tác vụ. Đáng chú ý, việc mở rộng quy mô mô hình (từ 20B lên 120B) không giúp cải thiện khả năng chịu lỗi, khẳng định cơ chế xử lý lỗi ở tầng framework (như LangChain hay OpenAI Agents SDK) quan trọng hơn nhiều so với kích thước mô hình.

VoltGrid AI là nghiên cứu công bố trên Zenodo đề xuất giải pháp phần mềm nhằm giảm thiểu đột biến công suất dI/dt (tốc độ biến thiên dòng điện theo thời gian) trong các cụm GPU, giúp ổn định điện áp và bảo vệ hạ tầng tính toán AI.

Nvidia ra mắt nền tảng bảo mật cho phép cô lập và cách ly các AI agent mất kiểm soát (rogue AI agents) chỉ trong vòng vài mili-giây, nhằm giảm thiểu rủi ro khi triển khai các tác nhân tự hành trong môi trường thực tế.

AI agent mới của Meta bị phát hiện có thể tạo danh sách những người thuộc các nhóm dễ bị tổn thương khi được yêu cầu, làm dấy lên lo ngại nghiêm trọng về an toàn AI, nguy cơ doxxing và việc thiếu hụt guardrails bảo vệ quyền riêng tư.

Fathom-Vaidya giới thiệu khung huấn luyện tuần tự kết hợp dữ liệu tổng hợp và học tăng cường dựa trên rubric (rubric-based RL) nhằm tối ưu cả năng lực chẩn đoán lẫn giao tiếp lâm sàng cho LLM y tế. Bằng việc kết hợp câu hỏi từ MedBullets và 5.300 kịch bản tương tác đa lượt tổng hợp kèm rubric đa chiều, mô hình Fathom-Vaidya 30B đạt độ chính xác 50,1% trên HealthBench-Hard (vượt qua GPT-5 thinking) và cải thiện hơn 10% trên benchmark MedXpertQA.

Tessary là nền tảng nguồn mở đánh giá độ tin cậy của AI agent theo kiến trúc 2 tầng (L1/L2), giúp giám sát 100% trace production, phát hiện lỗi bị bỏ sót bởi phương pháp lấy mẫu (sampled evals) và giảm chi phí tới 5 lần.

MMEnterprise-Bench là bộ benchmark gồm 1.613 câu hỏi nhằm đánh giá năng lực của AI agent doanh nghiệp khi xử lý dữ liệu cộng tác đa phương thức biến đổi theo thời gian. Đánh giá 10 mô hình multimodal LLM cho thấy ngay cả các mô hình mạnh nhất vẫn chật vật trước xung đột đa nguồn/thời gian và suy luận đa ảnh; đồng thời việc tăng cường retrieval chỉ cải thiện độ phủ bằng chứng chứ không nhất quán nâng cao độ chính xác câu trả lời.

Nghiên cứu đề xuất mô hình thế giới bệnh nhân (Patient World Model) được học từ dữ liệu hồ sơ bệnh án điện tử (EHR) theo chiều dọc bằng mạng nơ-ron nhằm cung cấp biểu diễn lâm sàng dùng chung cho mô phỏng vận hành ICU. Sau khi huấn luyện trên MIMIC-IV và đóng băng trọng số, mô hình cung cấp các dự đoán truy vấn theo thời gian kết nối với tài nguyên và hàng đợi để mô phỏng đồng thời công suất giường, điều phối chăm sóc và chuyển viện. Mô hình khắc phục hạn chế của các mô hình Markov truyền thống khi nắm bắt chính xác động lực phục hồi phụ thuộc tiền sử (-6,4 điểm phần trăm dự đoán so với -6,7 điểm phần trăm thực tế), cho phép đánh giá chính sách mới mà không cần tái tạo mô hình.

Bài viết nhấn mạnh rằng AI không thể cứu vãn một doanh nghiệp nếu tổ chức đó không thực sự hiểu, kiểm soát và có cấu trúc dữ liệu rõ ràng. Việc triển khai AI chỉ mang lại giá trị khi được xây dựng trên nền tảng dữ liệu có chất lượng, ngữ cảnh chính xác và quản trị bài bản.

Startup Volantis đã huy động 88 triệu USD nhằm phát triển lớp bộ nhớ quang học (photonic memory layer) cho các hệ thống AI thế hệ mới, hướng đến giải quyết điểm nghẽn băng thông và tiêu thụ năng lượng của bộ nhớ bán dẫn truyền thống.

Phố Wall chứng kiến làn sóng bán tháo cổ phiếu công nghệ mạnh mẽ do lo ngại về mức độ đốt tiền (cash burn) khổng lồ cho hạ tầng AI. Kết quả kinh doanh từ Amazon và Intel càng làm trầm trọng thêm mối quan ngại của nhà đầu tư về hiệu quả sinh lời và áp lực chi phí vốn trong lĩnh vực này.

Thị trường chứng khoán Đài Loan sụt giảm kỷ lục và Hàn Quốc phải tạm ngừng giao dịch trước làn sóng bán tháo cổ phiếu ồ ạt trong lĩnh vực AI.

Bài viết thuộc chuỗi 'What’s the Tea?' trên Microsoft Cloud Blog do Alysa Taylor dẫn dắt, tổng hợp bài học thực tế về chuyển đổi số AI từ lãnh đạo tại Adobe, Lumen Technologies và chuyên gia khoa học hành vi Jon Levy. Nội dung nhấn mạnh thành công trong việc chuyển đổi AI phụ thuộc vào tư duy và năng lực lãnh đạo hơn là công nghệ: nỗi lo bị AI thay thế đã dịch chuyển sang kỳ vọng bắt buộc phải ứng dụng; giá trị thực sự đến từ việc nâng cao trí tuệ tập thể (collective intelligence) của đội ngũ; và việc mở rộng quy mô đòi hỏi văn hóa thử nghiệm liên tục, đào tạo vi mô hàng tuần cùng sự làm gương minh bạch từ người lãnh đạo.

Các công ty AI-native như Basis, Clay và Exa Labs đang chuyển đổi quy trình làm việc thành năng lực vận hành thực tế bằng AI agent, tập trung vào onboarding, quản trị tài khoản và tích hợp nhà phát triển, mang lại bài học triển khai thiết thực cho khối doanh nghiệp.

Bài viết từ Cyvra cảnh báo về hiện tượng Shadow AI - việc nhân viên tự ý đưa các công cụ trí tuệ nhân tạo không được phê duyệt vào quy trình làm việc thường ngày, dẫn đến nguy cơ tiềm ẩn rò rỉ dữ liệu nhạy cảm của tổ chức.

Các nhà đầu tư trái phiếu ngày càng trở nên khắt khe và thận trọng hơn trong việc cấp vốn nợ cho các doanh nghiệp hạ tầng AI (nhắc đến CoreWeave và Oracle qua bài viết của Axios). Thị trường tài chính đang gia tăng giám sát đối với chi tiêu vốn (CapEx) và khả năng sinh lời thực tế của hạ tầng tính toán AI.

Tổ chức bảo vệ quyền riêng tư châu Âu noyb đưa ra khiếu nại nền tảng đào tạo AI Outlier vì hành vi giám sát bất hợp pháp người lao động làm việc trên nền tảng tại EU, làm dấy lên rủi ro tuân thủ GDPR trong chuỗi cung ứng dữ liệu AI.

Theo nhận định từ chuyên gia Skiba thuộc RBC trên Bloomberg, các quỹ phòng hộ (hedge funds) đã bán tháo khối lượng lớn nợ/trái phiếu liên quan đến lĩnh vực AI ('AI debt'), phản ánh sự dịch chuyển dòng vốn và tâm lý thận trọng gia tăng của giới đầu tư đối với rủi ro tín dụng trong cơn sốt hạ tầng AI.

Sergey Brin (đồng sáng lập Google) tuyên bố các mô hình AI của Google (gắn liền với dự án Gemini/Argon) đang tiếp cận khả năng tự cải thiện đệ quy (Recursive Self-Improvement - RSI). Đây là dấu hiệu cho thấy mô hình bắt đầu tham gia trực tiếp vào việc tối ưu và nâng cấp các phiên bản tương lai của chính mình, dù thông tin chi tiết và cơ chế kiểm soát kỹ thuật vẫn còn là ẩn số.

Chính phủ Hoa Kỳ ban hành lệnh cấm sử dụng AI DeepSeek của Trung Quốc trên toàn bộ hệ thống công nghệ thông tin của các cơ quan chính phủ, xuất phát từ các lo ngại về an ninh mạng và kiểm soát chuỗi cung ứng AI.

Nordic Semiconductor công bố dòng vi mạch nRF71 Series tích hợp Wi-Fi, Bluetooth LE, Thread và bộ tăng tốc AI trên một chip duy nhất, giúp thiết bị IoT chạy pin giảm mức tiêu thụ điện năng ở chế độ chờ tới 20 lần trong khi vẫn có khả năng xử lý AI tại biên.

Designer-RSI là khung thích ứng liên tục dành cho agent thiết kế đồ họa, kết hợp mô hình nền tảng đóng băng (frozen frontier model) điều khiển phần mềm chuyên nghiệp qua hơn 230 công cụ cùng bộ nhớ thủ tục (procedural memory) ngôn ngữ tự nhiên bên ngoài. Bộ nhớ này tự mở rộng (widening) cho các tác vụ con lặp lại và đào sâu (deepening) từ kinh nghiệm thực thi thành công/thất bại, kiểm soát bằng matched replay gate để ngăn ngừa thoái lui hiệu năng. Qua 5 vòng trên 1.406 brief thực tế và 1.869 quỹ đạo thực thi (không cập nhật trọng số, không nhãn con người), hệ thống nâng số kỹ năng từ 76 lên 139, đưa tỷ lệ thành công GenEval2 trên Claude-Sonnet-4 từ 72,7% lên 99,3% và đạt tỷ lệ thắng vượt trội trước agent không có kỹ năng.

Nghiên cứu về tổn thất phúc lợi xã hội (Price of Anarchy - PoA) trong cơ chế đấu giá giá đầu tiên (First-Price Auctions - FPA) tại các thị trường agent phi tập trung (agentic markets), nơi các AI agent đấu thầu nhận prompt của người dùng dựa trên giá trị kỳ vọng. Bài báo chứng minh thị trường agent sở hữu hai đặc điểm tự nhiên giúp giảm PoA và tăng hiệu quả phúc lợi: (1) 'Sàn cạnh tranh' (competitive floor) từ các mô hình chưng cất (distilled models) giá rẻ cạnh tranh với mô hình hàng đầu, giúp giảm tổn thất phúc lợi tiệm cận 0 khi sàn nâng cao; (2) 'Tính gần như độc lập có điều kiện' theo độ khó prompt, nâng mức đảm bảo hiệu quả phúc lợi tiệm cận 1 - 1/e^2 (~86.5%), vượt trội so với cận lý thuyết tổng quát 1 - 1/e (~63.2%). Kết quả được kiểm chứng thực nghiệm trên bộ dữ liệu định tuyến EmbedLLM.

SecPO giới thiệu phương pháp huấn luyện đối kháng (AT) có cơ sở lý thuyết nhằm giải quyết triệt để nguy cơ prompt injection trên AI agent. Nghiên cứu chỉ ra điểm yếu của Meta-SecAlign (dùng DPO) là neo vào reference model không an toàn, dẫn đến ASR gần 100% trước tấn công thích ứng. SecPO khắc phục bằng hàm mất mát mới xấp xỉ oracle bất biến với injection cùng pipeline AT tổng hợp tấn công mạnh (best@240). Áp dụng trên Qwen3.6-27B, SecPO + AT giảm ASR trên benchmark AgentDojo từ 78,8% xuống 8,8% mà không làm suy giảm hiệu năng trên 9 benchmark thông thường. Toàn bộ code, dữ liệu và mô hình đã được công khai.