Trong hầu hết các ngành công nghiệp, khi nói về Business Intelligence, dự báo, tự động hóa hay ERP,… đã trở nên bình thường. Không ai trong ngành ô tô hay hàng không còn tranh luận về việc thiết kế 2D hay 3D, hoặc nên dùng ERP hay Excel. Nhưng trong ngành xây dựng, ta vẫn còn tranh biện về BIM hay không BIM, dùng sổ tay hay máy tính bảng, và những công nghệ như tự động hóa, BI, hay máy quét LiDAR trên công trường,… vẫn bị coi như thứ khoa học viễn tưởng.
Điều tương tự cũng xảy ra với AI: Kỳ vọng nhiều, ứng dụng ít.
Ta bắt đầu từ đâu ?
Ngành xây dựng phức tạp, đúng, nhưng điều đó không phủ định những kỹ thuật đã thực sự hiệu quả ở đâu đó.
Tôi thường giải thích quản lý dự án xây dựng dựa trên AI bằng phép so sánh: một hành trình từ A (ý tưởng) đến B (công trình hoàn thiện). Bạn thực hiện điều đó như thế nào?
Đi bộ với bản đồ giấy và không có công cụ hỗ trợ? Lái xe với một cái bản đồ nhưng không có tín hiệu hay Google Maps? Hay lái xe với đầy đủ tín hiệu và hệ thống dẫn đường? Điểm khác biệt không chỉ ở phương tiện đi lại, mà còn ở công cụ và nguyên tắc sử dụng chúng.
Từ đó có thể thấy ứng dụng AI có rất nhiều nhánh, nhưng một thứ thu hút hầu hết chúng ta trong lĩnh vực quản lý đó là: AI Agents
Tác nhân AI (AI agents) là gì ?
Trong năm 2025, tất cả mọi người đều nói về “AI agents”. Thực chất đó là một hệ thống dựa trên AI hiểu được ngôn ngữ tự nhiên, có thể sử dụng các công cụ, lập kế hoạch và thực hiện hành động với quyền hạn và khả năng truy vết. Rất hữu ích khi các tác vụ cần được xâu chuỗi, hợp lý hóa quyết định, và đảm bảo không bị gián đoạn
Ba tư tưởng cần có trước khi kỳ vọng
- Đó là câu chuyện về dữ liệu: AI theo nghĩa rộng là quá trình xử lý dữ liệu nâng cao. Khi nguồn dữ liệu không được tổ chức, nó sẽ thất bại.
- Các mô hình có thiên lệch: GPT, Gemini,… sẽ ảo giác nếu bạn không cho nó một bối cảnh chất lượng.
- AI khác agent: AI chỉ “trả lời”, còn agent thì hành động, dùng công cụ và lập kế hoạch.
AI agents có những khả năng gì ?
1 – Nhận biết
Tiếp nhận thông tin đa dạng và hiểu được cấu trúc tối thiểu của thông tin ấy.
Các nguồn dữ liệu điển hình: tài liệu, email, kế hoạch, sự cố, kho lưu trữ, mô hình BIM, cơ sở dữ liệu, trang web nội bộ, APIs. AEC
Ví dụ trong ngành AEC: đọc tài liệu mời thầu dạng PDF và kế hoạch theo định dạng Primavera, trích xuất thay đổi từ chuỗi email, tham khảo mô hình IFC và BC3.
2 – Xử lý và lập kế hoạch
Bao gồm: Diễn giải văn bản/bảng biểu/hình ảnh, chia nhỏ tác vụ thành các bước, tái lập kế hoạch dựa trên kết quả trung gian
Cách thực hiện: kết hợp mô hình ngôn ngữ lớn (LLM) + Các quy tắc/công cụ kiểm chứng + Prompt chuyên biệt hoặc các tác nhân phụ trợ (subagents)
3 – Hành động
Bao gồm: Thực hiện các hành động trong hệ thống với quyền hạn tối thiểu và khả năng truy vết
Hành động điển hình: tạo bản thảo, chạy truy vấn SQL/GraphQL, điền biểu mẫu, gọi API nội bộ, mở ticket
Ví dụ trong ngành AEC: tạo bản thảo biên bản cuộc họp với các thỏa thuận và các chủ thể chịu trách nhiệm, cập nhật trạng thái trong Môi trường dữ liệu chung (CDE), đặt vấn đề với các bên cung cấp.
4 – Học và điều chỉnh
Bao gồm: cải thiện nhờ bộ nhớ có kiểm soát, tinh chỉnh (finetuning), kiến thức nội tại (Retrieval-Augmented Generation), và tự chỉnh sửa trước khi xuất kết quả.
Các cơ chế: bộ nhớ dự án, bài học kinh nghiệm, danh sách kiểm tra tự động, chuẩn đầu ra, tinh chỉnh.
Ví dụ ngành AEC: duy trì thuật ngữ riêng cho từng khách hàng, ghi nhớ các ngoại lệ trong hợp đồng, áp dụng checklist kiểm tra trước khi phát hành báo cáo, cải thiện kết quả qua từng vòng lặp
Các điều kiện tối thiểu để AI agents hoạt động
- Dữ liệu có thể truy cập, chất lượng và quản trị được (bao gồm quản lý phiên bản, siêu dữ liệu (metadata), nguồn dữ liệu chuẩn, quy trình trích xuất-chuyển đổi-dung nạp ETL)
- Phân quyền và tách biệt theo vai trò và môi trường; không được tồn tại quyền truy cập mở cho AI agents
- Truy vết đầy đủ các quyết định và hành động
- Kiểm duyệt bởi con người trước khi phát hành hoặc quyết định
Một AI được huấn luyện tốt với những công cụ tốt thực sự có thể trở thành yếu tố mang tính đột phá.
Tóm tắt AI sẽ chỉ tốt bằng chính dữ liệu mà nó được tiếp cận; một agent kết nối AI với công cụ và quy trình của bạn để thực hiện các bước có kiểm soát. Với bối cảnh tốt và quy tắc rõ ràng, nó có thể trở thành yếu tố khác biệt.
Một AI được huấn luyện tốt với những công cụ tốt có thể thực sự trở thành yếu tố mang tính đột phá.
Đâu là những điểm yếu trong ngành AEC (Kiến trúc, Kỹ thuật, Xây dựng) và cũng là một vấn đề dữ liệu mà AI và agents có thể tạo nên sự khác biệt
1. Kiểm tra tuân thủ
Các quy định, điều khoản, phiên bản và các điều khoản loại trừ.
Cần có một tập hợp dữ liệu chuẩn hóa, truy vết và bộ kiểm định
2. Quy hoạch tổng mặt bằng
Lên kế hoạch, ràng buộc, và tiến độ bị tách biệt ở các kho dữ liệu riêng lẻ.
Cần thống nhất nguồn, phát hiện mâu thuẫn và tái lập kế hoạch dựa trên bằng chứng
3. Mua sắm khách quan (vượt ra ngoài yếu tố giá)
Ảnh chụp, ảnh 360, dữ liệu từ scanner và các mô hình nhưng không có nguồn “dữ liệu đáng tin”.
Cần tích hợp, gán nhãn và bộ quy tắc chứng nhận.
5. Quản lý và dự báo rủi ro
Các sự cố lặp lại mà không rút ra được bài học hành động.
Cần phân loại, đặc trưng theo loại hình và dấu hiệu cảnh báo sớm.
6. Thiếu nhân lực
Nhân sự chất lượng cao phải làm công việc lặp lại.
Cần chuẩn hóa đầu vào và tự động hóa các tác vụ cơ học để giải phóng lao động.
7. Khả năng sinh lời
Làm lại, chờ đợi và bỏ sót.
Cần đo lường thời gian, khả năng bị từ chối và biến động để ngăn chặn thất thoát.
Nên ứng dụng như thế nào vào quản lý dự án và quản lý xây dựng ?
Các tác nhân AI có khả năng suy luận không chỉ hữu ích đối với các công việc lặp lại. Chúng còn làm tăng giá trị khi cần phải kết hợp nhiều nguồn, duy trì bối cảnh giữa các bước, hợp lý hóa các quyết định với các tham chiếu rõ ràng, và chuỗi hành động với quyền hạn cùng khả năng truy vết.
AI agents đem lại gì so với tự động hóa truyền thống ?
- Lập kế hoạch nhiều bước: Chúng chia nhỏ một yêu cầu thành các tác vụ con và thực hiện theo thứ tự logic, đồng thời thử lại nếu có bước nào thất bại.
- Xác minh và tự sửa lỗi (Verification and self-correction): Chúng kiểm tra đầu ra của mình dựa trên các quy tắc hoặc mẫu trước khi bàn giao kết quả.
- Bộ nhớ dự án (Project memory): Chúng duy trì ngữ cảnh ổn định (thuật ngữ, thỏa thuận, ngoại lệ) giữa các phiên làm việc.
- Sử dụng công cụ có kiểm soát (Controlled use of tools): Chúng gọi API và cập nhật hệ thống với quyền hạn được cấp và khả năng truy vết đầy đủ.
Các trường hợp ứng dụng điển hình và tác động
Agents hỗ trợ các công việc thường ngày
Xem xét tài liệu và đối chiếu với tài liệu khác, trả lời câu hỏi kèm trích dẫn nguồn, quản lý lịch và cuộc họp, ghi chú, chuẩn bị bản thảo biên bản họp.
Tác động: thời gian chuẩn bị biên bản họp giảm từ 45 phút xuống còn 10–15 phút, tiết kiệm hàng tuần khoảng 1,5–2,5 giờ cho mỗi quản lý tùy số lượng cuộc họp.
Agents phân tích và tổng hợp thông tin
Phân tích và xử lý dữ liệu dự án hoặc công ty để rút ra mẫu, truy vết sự kiện giải thích sự cố, so sánh đề xuất và ngân sách, kiểm toán tài liệu.
Tác động: giai đoạn chuẩn hóa và sàng lọc ban đầu giảm từ 1 ngày xuống còn 2–4 giờ, vẫn duy trì bước rà soát của nhóm sau đó.
Tạo tài liệu (Documentation generation)
Bản thảo báo cáo kỹ thuật, biên bản, báo cáo giám sát, phụ lục kỹ thuật từ nhiều nguồn đầu vào khác nhau.
Tác động: giảm 30–50% thời gian cho bản thảo đầu tiên; chất lượng cuối cùng phụ thuộc vào mức độ rà soát và sự chuẩn tắc của nguồn dữ liệu.
Kiểm chứng thông tin BIM phục vụ cấp các loại chứng nhận công trình:
Xác minh tính đầy đủ và tính nhất quán của các trường dữ liệu cốt lõi trong mô hình BIM được sử dụng cho mục đích chứng nhận.
Tác động: Nâng cao độ chính xác của các chứng nhận, giảm thiểu sự bất định (rủi ro), đồng thời tiết kiệm chi phí và thời gian.
So sánh nhà cung cấp dựa trên dữ liệu lịch sử
Chuẩn hóa hồ sơ thầu, phát hiện giá bất thường và truy xuất tiền lệ đã ghi nhận.
Tác động: so sánh có cấu trúc sơ bộ trong 2–4 giờ thay vì 1–2 ngày, vẫn giữ quyền quyết định cuối cùng của con người.
Agents quản lý rủi ro định kỳ
Cảnh báo vật liệu hoặc giải pháp có xung đột dựa trên sự cố trước đây và bối cảnh tổ chức, kèm các đề xuất đã được lập hồ sơ.
Tác động: Giảm thiểu tần suất rủi ro và chuẩn bị tốt hơn các câu hỏi kỹ thuật cho nhà cung cấp.
Agents theo dõi thỏa thuận trong biên bản họp
Nhận diện các điểm chưa được giải quyết, truy vết sự kiện và nhắc nhở. Đảm bảo khả năng truy xuất nguồn gốc (traceability) của các quyết định và hành động phục vụ việc xử phạt vi phạm hợp đồng.
Tác động: giảm tỷ lệ cam kết bị bỏ sót giữa các cuộc họp, tăng khả năng truy vết.
Kết luận
AI agents hiện đã tạo ra giá trị cụ thể trong các quy trình lặp đi lặp lại và dựa trên tài liệu, nơi có dữ liệu dễ tiếp cận, quy tắc rõ ràng và có sự giám sát của con người.
Những lợi ích nhất quán bao gồm: rút ngắn thời gian chuẩn bị, tạo ra các phiên bản dự thảo đầu tiên có tính đồng nhất cao hơn và giảm thiểu những sai sót sơ đẳng. Đây không phải là việc “tự động hóa mọi thứ”, mà là loại bỏ những công việc mang tính cơ học tại những khâu đã tồn tại quy luật và dữ liệu chất lượng. Nếu dữ liệu của bạn là một mớ hỗn độn, tác nhân AI sẽ chỉ giúp bạn “văn bản hóa” sự hỗn độn đó nhanh hơn mà thôi.
Tác giả
