Trước đây, nói chuyện với AI nghĩa là gõ chữ và nhận lại chữ. Giờ bạn có thể chụp một tấm hóa đơn gửi cho AI, gửi tin nhắn thoại, hoặc đưa cả một tệp PDF báo giá rồi hỏi “khoản nào đang bị tính trùng?”. Khả năng xử lý nhiều dạng thông tin như vậy gọi là đa phương thức (multimodal).
Đa phương thức là gì?
“Phương thức” ở đây là dạng của thông tin: chữ, hình ảnh, âm thanh, video, bảng biểu. AI đa phương thức là mô hình hiểu và xử lý được nhiều dạng cùng lúc, thay vì chỉ chữ.
Hãy so sánh với một nhân viên mới. Nhân viên chỉ đọc được email thì làm được ít việc. Nhân viên vừa đọc email, vừa xem được ảnh khách gửi, vừa nghe được tin nhắn thoại thì làm được nhiều việc hơn hẳn. AI đa phương thức giống người thứ hai.
Những việc AI đa phương thức làm được
- Đọc ảnh: nhận diện nội dung trong ảnh chụp sản phẩm lỗi, ảnh hóa đơn, ảnh menu, ảnh bảng giá viết tay.
- Nghe giọng nói: chuyển tin nhắn thoại hoặc cuộc gọi thành chữ, rồi tóm tắt hoặc trả lời.
- Hiểu tài liệu: đọc tệp PDF, bảng tính, slide, kể cả khi tài liệu có cả chữ lẫn biểu đồ.
- Nói lại bằng giọng: đọc câu trả lời thành tiếng, hữu ích cho tổng đài hoặc khách không tiện gõ.
Ví dụ cho doanh nghiệp nhỏ
- Shop online: khách chụp ảnh sản phẩm bị lỗi gửi vào Messenger. AI xem ảnh, xác định đúng sản phẩm và hướng dẫn quy trình đổi trả.
- Kế toán, cửa hàng: chụp hóa đơn, AI đọc ra ngày, số tiền, nhà cung cấp và điền vào bảng theo dõi.
- Dịch vụ sửa chữa: khách gửi ảnh chỗ rò nước, AI hỏi thêm vài câu và gợi ý loại thợ cần cử đến.
- Chủ quán bận tay: nhắn thoại một đoạn dài, AI chép lại thành danh sách việc cần làm.
Giới hạn cần biết
AI đa phương thức tiện nhưng vẫn có thể sai, và có vài điểm đặc thù:
- Đọc sai chi tiết nhỏ. Ảnh mờ, chữ viết tay xấu, số bị che một phần dễ bị đọc nhầm. Với số tiền hoặc thông tin quan trọng, hãy để người kiểm lại.
- Không phải chuyên gia chẩn đoán. AI nhìn ảnh vết da, ảnh thiết bị điện hay ảnh thú cưng chỉ nên dùng để thu thông tin ban đầu, không thay người có chuyên môn kết luận.
- Dữ liệu nhạy cảm. Ảnh căn cước, hợp đồng, chứng từ có thông tin cá nhân. Kiểm tra chính sách lưu trữ của công cụ trước khi gửi.
- Chất lượng đầu vào quyết định kết quả. Ảnh rõ, tệp gọn thì AI đọc tốt hơn nhiều.
Nên bắt đầu thế nào?
- Chọn một việc đang tốn thời gian vì phải đọc hoặc nhập tay, ví dụ nhập hóa đơn.
- Thử với 20 mẫu thật, gồm cả mẫu khó (ảnh mờ, chữ xấu) để biết AI sai ở đâu.
- Đặt quy tắc: những trường hợp nào AI chắc chắn thì tự xử lý, trường hợp không chắc thì chuyển cho người.
- Đo lại sau một tháng: tiết kiệm được bao nhiêu giờ, tỷ lệ sai là bao nhiêu.
Kết luận
Đa phương thức mở rộng những việc AI agent có thể đảm nhận, vì khách hàng thật không chỉ gửi chữ mà còn gửi ảnh, thoại và tệp. Hãy bắt đầu từ một việc nhỏ, có người kiểm lại, rồi mở rộng khi kết quả ổn định.