Xây Dựng Các Tác Nhân Doanh Nghiệp Hiệu Quả - Báo Cáo Tóm Tắt của Nhóm Nền Tảng AI BCG
Điều Hướng Nhanh
Thẻ
Chia sẻ slide
Xây Dựng Các Tác Nhân Doanh Nghiệp Hiệu Quả - Báo Cáo Tóm Tắt của Nhóm Nền Tảng AI BCG
Xem chi tiết từng trang slide, bao gồm bố cục, nội dung chính và các phần tử trực quan.
Trang tiêu đề: Tóm tắt Nhóm Nền tảng AI của BCG, tháng 11 năm 2025. Tác giả: Tom Martin, David Heurtaux, Caitlin Barber và 8 người khác.
Nền tối tràn lề với hình dạng hữu cơ màu xanh mòng két, logo Nhóm Nền tảng AI của BCG, tiêu đề và danh sách tác giả
Thiết lập bối cảnh: hầu hết các hướng dẫn về AI agents đều mang tính lý thuyết hoặc bỏ qua sự phức tạp của doanh nghiệp. Bản tóm tắt này nhằm mục đích giải quyết cách xây dựng AI agents đáng tin cậy, được tin tưởng trong doanh nghiệp với các patterns, platforms, techniques và capabilities phù hợp.
Bố cục chia đôi: văn bản bên trái với các cụm từ khóa in đậm, hình ảnh robot do AI tạo ra ở bên phải đang nhìn vào cơ sở hạ tầng cũ
Bốn chương: (01) Tại sao khó xây dựng agents trong doanh nghiệp? (02) Làm thế nào để thiết kế một enterprise agent? (03) Làm thế nào để xây dựng một enterprise agent? (04) Làm thế nào để lắp ráp một agent platform?
Bốn thẻ được mã hóa màu theo hàng: xanh lá cây, cyan, vàng, hồng
Phần chia cho Chương 1.
Nền tối với tiêu đề và dấu phần màu xanh lá cây/xanh mòng két
Ba câu hỏi quan trọng mà các nhà lãnh đạo phải đối mặt: Làm thế nào để giữ cho AI tập trung vào giá trị (tác động P&L), làm thế nào để kiểm soát AI (độ tin cậy, bảo mật, chi phí) và làm thế nào để mở rộng quy mô một cách đáng tin cậy. 75% các nhà lãnh đạo công nghệ lo sợ thất bại âm thầm.
Bố cục chia đôi: các câu hỏi lãnh đạo ở bên trái với các thẻ màu xanh lá cây, hình ảnh MAD AI landscape và thống kê 75% ở bên phải
Các case studies cho thấy tiềm năng của agent (giảm 30-50% thời gian/chi phí, tăng năng suất 30%+) so với checklist thực tế gồm hơn 15 thách thức triển khai. BCG đã cung cấp hơn 300 agents cho khách hàng.
Bố cục chia đôi: bên trái hiển thị các case studies và số liệu thống kê của BCG, bên phải hiển thị kỳ vọng so với thực tế với checklist dài
Điểm chuẩn METR cho thấy độ phức tạp của tác vụ kỹ thuật phần mềm do LLMs xử lý theo thời gian (GPT-2 đến GPT-5.1-Codex-Max). Constrained agents hoạt động ngay bây giờ; deep agents là biên giới tiếp theo.
Bố cục chia đôi: biểu đồ phân tán ở bên trái hiển thị sự tiến triển của LLM, văn bản triển vọng tương lai ở bên phải
Các yếu tố hạn chế không phải là LLMs mà là các hệ thống cũ: (1) Tích hợp Brownfield, (2) Dữ liệu doanh nghiệp không đáng tin cậy, (3) Thiếu đánh giá, (4) Chi phí quản trị & kiểm toán, (5) Ma sát OpModel & quy mô.
Bố cục năm cột với tiêu đề màu xanh mòng két được đánh số và mô tả chi tiết
Năm horizons: H0 Constrained agents (ở quy mô lớn), H1 Single agents (tỷ lệ chấp nhận tăng), H2 Deep agents (tỷ lệ chấp nhận tăng, tập trung vào đây), H3 Role-based agents (rất sớm), H4 Agent mesh (R&D ban đầu). Huy hiệu kiểm tra thực tế được bao gồm.
Dòng thời gian ngang với năm thẻ horizon, huy hiệu trưởng thành và sơ đồ kiến trúc
BCG điều chỉnh Double Diamond cổ điển cho enterprise agents: Diamond 1 (Discover + Define) cho thiết kế, Diamond 2 (Develop + Deploy) cho xây dựng. Bốn giai đoạn: Nguồn ý tưởng, Phân tách mục tiêu, Xây dựng capability, Triển khai & lặp lại.
Hai hình kim cương cạnh nhau với các giai đoạn được đánh số và mô tả bên dưới
Phần chia cho Chương 2.
Nền tối với dấu hiệu phần màu lục lam
Ma trận 2x2: Mục tiêu & Độ phức tạp của Môi trường so với Rủi ro, Đạo đức & Quản trị. Các góc phần tư: Tự động hóa truyền thống, Quy trình làm việc có tính đại diện, Do con người dẫn dắt với các mức hỗ trợ khác nhau. Nhận định chính: nếu các quy tắc rõ ràng có hiệu quả, hãy tránh xây dựng các agent vì lợi ích của agent.
Bố cục chia: Ma trận 2x2 ở bên trái với các ví dụ, văn bản giải thích ở bên phải
Thiết kế ưu tiên kết quả sử dụng ví dụ Xử lý Đơn đăng ký Khoản vay. Bắt đầu với các mục tiêu kinh doanh, phân tích thành cây phụ thuộc với các điểm khó khăn, sau đó ưu tiên các cơ hội agent. Câu thần chú chính: kết quả-không-phải-đầu-ra.
Phía bên trái hiển thị ví dụ về cây phân tích, phía bên phải có ba nguyên tắc chính
Ba cấp độ thiết kế agent: Agent đơn (vòng lặp suy luận đơn), Agent sâu đơn giản (điều phối viên + các luồng con), Agent sâu phức tạp (điều phối đa agent với các agent chuyên dụng).
So sánh ba cột hiển thị sơ đồ kiến trúc agent có độ phức tạp tăng dần
Bốn kiểu tương tác giữa người và agent: Agent hỗ trợ (giống ChatGPT), Người trong vòng lặp (giống Claude Code), Người trên vòng lặp (giống Crew AI), Người ngoài vòng lặp (độc lập). Mỗi kiểu có các cơ chế kích hoạt và phê duyệt khác nhau.
Bố cục bốn cột với sơ đồ quy trình làm việc và các ví dụ cho từng kiểu
Khung tiêu chuẩn để mô tả và lập tài liệu về các agent. Thể hiện luồng Loan Agent minh họa: tạo ngữ cảnh ban đầu, vòng lặp suy luận của agent, gọi công cụ, phản hồi cuối cùng với sự chấp thuận của con người và theo dõi LLMOps.
Sơ đồ luồng agent chi tiết với các thành phần được mã hóa màu: chung, kỹ thuật ngữ cảnh, mô hình AI, trạng thái/bộ nhớ, công cụ, lỗi
Cấu trúc ADC: Mục tiêu có thể đạt được của Agent (Agent-Achievable Goal), Số liệu, Đầu vào/Đầu ra, Kỹ năng/Công cụ/Khả năng, Hành vi dự phòng, Loại Trình kích hoạt Agent (Chủ động/Bị động, Do người dùng dẫn dắt/Do hệ thống dẫn dắt). Năm nguyên tắc cho ADC hiệu quả.
Bố cục chia đôi: năm nguyên tắc ở bên trái, thẻ ADC ví dụ ở bên phải cho Xử lý Đơn đăng ký Vay
Từ các ADC đã hoàn thành đến kiến trúc nền tảng. Các nguyên tắc chính: đánh giá ngăn xếp hiện tại trước, để thẻ thiết kế thúc đẩy lựa chọn khả năng, ưu tiên MVP nền tảng mỏng, thiết kế cho sản xuất (hàng rào bảo vệ, khả năng quan sát), mở rộng có chọn lọc.
Bố cục chia đôi: các thẻ ADC xếp chồng lên nhau và sơ đồ kiến trúc nền tảng ở bên trái, năm nguyên tắc ở bên phải
Phần chia cho Chương 3.
Nền tối với dấu phần màu vàng
Tổng quan về 14 thành phần: (1) Vòng đời phát triển Agent, (2) Nền tảng dữ liệu, (3) Bộ nhớ, (4) Đánh giá, (5) Điều phối Agent, (6) Điều chỉnh Prompt, (7) Xây dựng nền tảng Agent, (8) Kỹ thuật ngữ cảnh, (9) AI Gateway, (10) Thiết kế môi trường, (11) Mã thấp so với mã chuyên nghiệp, (12) LLMOps Doanh nghiệp, (13) Các chế độ lỗi, (14) Quy định & tuân thủ.
Bố cục lưới với 14 thẻ được đánh số, mỗi thẻ có hình thu nhỏ và mô tả ngắn gọn
Vòng đời phát triển agent sáu giai đoạn dựa trên vòng đời ML & SWE: (1) Định hình agent, (2) Thiết kế framework & logic của agent, (3) Chuẩn bị đánh giá & môi trường, (4) Thiết kế chính sách & prompts, (5) Kiểm tra & điều chỉnh, (6) Ra mắt, giám sát & phát triển.
Pipeline hình lục giác ngang với sáu giai đoạn, mỗi giai đoạn có các dấu đầu dòng chi tiết
Bốn loại nền tảng: Giải pháp agent độc lập (turnkey), Nền tảng agent nhúng (tích hợp trong bộ ứng dụng doanh nghiệp), Nền tảng xây dựng agent (low/no-code), Nền tảng agent tùy chỉnh (kiểm soát hoàn toàn).
So sánh bốn cột với hình minh họa và dấu đầu dòng
Kiến trúc nền tảng dữ liệu cho agents: lớp truy xuất (tìm kiếm hỗn hợp, GraphRAG, Text-to-SQL), lớp lưu trữ (vector DBs, knowledge graphs, OLAP/OLTP), xử lý đầu vào (chunking, embedding, làm phong phú metadata).
Sơ đồ kiến trúc hiển thị các lớp nền tảng dữ liệu với các nguồn dữ liệu có cấu trúc và phi cấu trúc
Kiến trúc Model Gateway: registry trung tâm, giám sát token/độ trễ, chính sách định tuyến model, theo dõi chi phí FinOps và các biện pháp bảo vệ an ninh. Năm khả năng chính được trình bày chi tiết.
Sơ đồ luồng hiển thị người dùng thông qua Model Gateway đến các nhà cung cấp bên thứ ba, với các hộp FinOps và Security
Hai mô hình triển khai: Cấp độ môi trường (cô lập cho mỗi môi trường, thử nghiệm nhanh hơn) so với Cấp độ dự án (cơ sở dữ liệu dùng chung, quản lý tập trung ở quy mô lớn). LLMOps phải cung cấp quản lý prompt, đánh giá agent và khả năng quan sát.
So sánh chia đôi: hai sơ đồ mô hình triển khai cạnh nhau với ưu/nhược điểm
Framework đánh giá: hiệu suất agent (kết quả cuối cùng, lập kế hoạch & quỹ đạo, độ chính xác một bước) và an toàn & red-teaming của agent (bảo mật tương tác, kiểm soát agency, tính toàn vẹn của vòng đời). Chu trình thu thập-kiểm tra-triển khai-giám sát liên tục.
Sơ đồ quy trình làm việc hình tròn ở bên trái, các danh mục đánh giá ở trung tâm, các phương pháp hay nhất ở bên phải
Trường hợp khách hàng bảo hiểm: điểm F1 trích xuất thực thể được cải thiện từ ~50 lên 75 (+25%) trong 6 sprints thông qua kỹ thuật ngữ cảnh lặp đi lặp lại (prompts, RAG, tools). Chuyển thành tác động hàng triệu đô la vào doanh thu.
Phía bên trái hiển thị quy trình trích xuất thực thể, trung tâm có biểu đồ thanh điểm F1, bên phải hiển thị bảng tiến trình sprint
Năm lớp tích hợp: Lớp nghiệp vụ thông minh, Lớp giao dịch cốt lõi (sử dụng MCP), Lớp AI (thiết kế cho async), Lớp dữ liệu (sử dụng IAM), Lớp cơ sở hạ tầng (trừu tượng hóa sự phức tạp). Quan trọng: coi agents như các tác nhân hệ thống với ranh giới rõ ràng.
Sơ đồ hub-and-spoke với agent ở trung tâm, năm lớp xung quanh với mô tả
Phần phân chia cho Chương 4.
Nền tối với dấu phần màu hồng
Ba kỷ nguyên: 2023-24 agents liên kết chặt chẽ (code+data+deploy trong cùng một stack), 2025 nền tảng agent tách rời (logic tách biệt với backend), 2026+ khả năng tương tác giữa các nền tảng với các giao thức được chia sẻ.
Dòng thời gian ba cột với sơ đồ kiến trúc hiển thị sự phát triển
Kiến trúc tham chiếu nền tảng đầy đủ: (1) AI Guardrails, (2) LLMOps, (3) MCP & Agent Registry, (4) Model Gateway, (5) Trình xây dựng không/ít code, (6) Agent Framework, (7) Agent Runtime, (8) Bộ nhớ, (9) Giám sát/Ghi nhật ký/FinOps, (10) Nền tảng dữ liệu.
Sơ đồ kiến trúc nền tảng chi tiết với 10 thành phần được đánh số và mô tả
Ba chiến lược nền tảng: Thống nhất (một nhà cung cấp, nhanh nhưng hạn chế), Hybrid (linh hoạt cân bằng với các tiện ích bổ sung có mục tiêu), Tùy chỉnh/mô-đun (khác biệt hóa cao, độ phức tạp cao). Các doanh nghiệp sẽ hội tụ vào hybrid.
So sánh ba cột với sơ đồ khối xếp chồng lên nhau
Hệ sinh thái agent ba tầng: Điều phối doanh nghiệp (quản trị trên các nền tảng), Điều phối miền (hợp tác vận hành giữa người và agent), Bối cảnh dữ liệu & công cụ (trình kết nối được chia sẻ, phiên bản/giám sát/ngừng hoạt động).
Sơ đồ kiến trúc phân lớp ba tầng với ví dụ về xử lý khoản vay
Cây quyết định: Đầu tiên đánh giá sự khác biệt & độ phức tạp (nếu không khác biệt → Mua/Áp dụng), sau đó là khả năng thực thi (nếu nguồn lực hạn chế → Mua & Định cấu hình/Thích ứng), nếu có khả năng → Xây dựng/Lắp ráp. Hybrid là điều không thể tránh khỏi đối với hầu hết các doanh nghiệp.
Cây quyết định ở bên trái, ba tùy chọn (Áp dụng/Thích ứng/Lắp ráp) ở bên phải với mô tả
Năm yếu tố trọng lực để lựa chọn nền tảng: (1) Trọng lực dữ liệu (lực mạnh nhất), (2) Trọng lực hệ thống (khóa chặt ERP/CRM cũ), (3) Quản trị/Bảo mật/Tuân thủ, (4) Giá trị & Khác biệt hóa, (5) Độ phức tạp của UI/UX. Truy cập dữ liệu là lực kéo mạnh nhất.
Sơ đồ quỹ đạo hiển thị năm yếu tố trọng lực với triển khai agent, mô tả ở bên phải
Năm điểm chính: (1) Thiết kế cho kết quả, không phải đầu ra, (2) Bắt đầu đơn giản với thiết kế dựa trên đánh giá, (3) Xây dựng trên nền tảng doanh nghiệp dùng chung, (4) Chọn nền tảng phù hợp dựa trên trọng tâm dữ liệu/hệ thống, (5) Mặc định xây dựng niềm tin, tuân thủ và khả năng phục hồi. Nhìn về phía trước: 2026 sẽ là năm các agent mang lại giá trị thực.
Năm thẻ điểm chính được đánh số ở bên trái, văn bản Nhìn về phía trước ở bên phải
Liên kết đến bốn tài nguyên của BCG: Tech Foundation for GenAI Success, AI trên BCG.com, Latest thinking on Agents, Executive Perspective Series.
Bốn hình thu nhỏ thẻ xem trước trong lưới 2x2 với nền tối
18 ảnh chân dung thành viên nhóm kèm tên: Vladimir Lukic, Nicolas De Bellefonds, Gene Sheenko, Djon Kleine, Tom Martin, Julien Marx và 12 người khác.
Ba hàng gồm sáu ảnh chân dung tròn kèm tên
Tuyên bố từ chối trách nhiệm pháp lý tiêu chuẩn của BCG về việc tài liệu tuân theo Điều khoản tiêu chuẩn của BCG, không cấu thành tư vấn pháp lý/kế toán/thuế, bảo mật và không có ý kiến về tính công bằng.
Bố cục chia: Văn bản Tuyên bố từ chối trách nhiệm lớn ở bên trái, văn bản pháp lý đầy đủ ở bên phải
Slide kết thúc với logo BCG.
Logo BCG được căn giữa trên nền chuyển màu xanh mòng két đậm
Phần chia cho Phụ lục Kỹ thuật với các slide chuyên sâu bổ sung.
Nền tối với tiêu đề Phụ lục Kỹ thuật
Năm hệ thống: (1) Trải nghiệm Người dùng & Agent (ứng dụng, API, MCP), (2) Môi trường Agent (tài nguyên, công cụ), (3) Chính sách Agent (luồng điều khiển, ánh xạ ngữ cảnh-hành động), (4) Thời gian chạy Agent (nền tảng, khả năng mở rộng), (5) Vận hành Agent (giám sát, bảo mật, vòng đời).
Năm thanh ngang màu xanh lá cây với mô tả và hình minh họa
Các thành phần chi tiết cho mỗi hệ thống: Môi trường (Trình duyệt, API, Cơ sở dữ liệu, Terminal, máy chủ MCP), Chính sách (LLMs, Luồng điều khiển, Threads, Đầu vào/Đầu ra, Bộ nhớ), Thời gian chạy (API Manager, Hosting, FinOps, Guardrails), Vận hành (PromptOps, Kiểm thử, Evals, Giám sát, SIEM).
Bảng lưới với năm hàng hệ thống và các thành phần phụ của chúng
Bảy thách thức cơ bản: (1) Chia sẻ ngữ cảnh & điều chỉnh mục tiêu, (2) Độ phức tạp phối hợp, (3) Giải quyết xung đột, (4) Lập kế hoạch & bộ nhớ tầm xa, (5) Phân công tín dụng, (6) Mắc kẹt trong các vòng lặp, (7) Trôi nhiệm vụ. Yêu cầu đột phá CS, không chỉ là gợi ý tốt hơn.
Bố cục chia: sơ đồ tương tác đa tác nhân ở bên trái, bảy thách thức được đánh số ở bên phải
Phân rã bốn cấp: Kết quả → Mục tiêu Chiến lược → Mục tiêu Chiến thuật → Mục tiêu có thể đạt được của Agent. Ví dụ eCommerce: Tăng CLV thêm 25% → Cải thiện khả năng giữ chân lên 75% → Xác định khách hàng có nguy cơ → Mục tiêu của Agent (giám sát tín hiệu, kích hoạt can thiệp, gửi đề xuất, gợi ý sản phẩm).
Bố cục chia: hệ thống phân cấp phân rã ở bên trái, cây ví dụ eCommerce ở bên phải
Ma trận 2x2 về các kiểu tương tác của agent: Thời gian (Phản ứng so với Chủ động) x Nguồn gốc Ngữ cảnh (Do người dùng dẫn dắt so với Do hệ thống dẫn dắt). Bốn góc phần tư với các ví dụ: Người dùng Hỏi & Agent Trả lời, Người dùng Hành động & Agent Quan sát, Hệ thống Kích hoạt & Agent Trả lời, Hệ thống Thay đổi & Agent Quan sát.
Ma trận 2x2 với tham chiếu LangChain Ambient Agents
Bốn loại nền tảng phù hợp với các kịch bản: Độc lập (nhanh, hẹp, một nhóm), Nhúng (các agent trong bộ tận dụng dữ liệu gốc), Agent Builder (low/no-code được quản lý), Tùy chỉnh (logic khác biệt, riêng biệt). Ví dụ: Adobe Firefly, Salesforce Agentforce, Copilot Studio, mã nguồn mở.
Bảng so sánh bốn cột với tiêu chí khi nào nên chọn và các ví dụ về công nghệ
Năm chiến lược: (1) Lưu trữ ngữ cảnh bên ngoài cửa sổ, (2) Tối ưu hóa thời gian lựa chọn & truy xuất, (3) Nén ngữ cảnh theo thời gian, (4) Cô lập ngữ cảnh vào các vùng chứa riêng biệt, (5) Chủ động quản lý tác động của quy trình làm việc. Tham khảo từ Anthropic, LangChain và Building Manus.
Bố cục năm cột với các biểu tượng và dấu đầu dòng chi tiết, các bài tham khảo ở bên phải
Kiến trúc bộ nhớ: STM (cửa sổ ngữ cảnh tạm thời với Hướng dẫn, Kiến thức, Công cụ, Dung lượng trống) và LTM (bền bỉ qua các phiên: Ngữ nghĩa, Thủ tục, Tình tiết). Tích hợp là không tầm thường với những thách thức xung quanh việc quảng bá, nén và truy xuất.
Sơ đồ hai tầng hiển thị STM và LTM với mô tả ở bên phải
Chu kỳ PromptOps bảy bước: (1) Thiết lập vòng phản hồi, (2) Ghim và phiên bản các prompt, (3) Thay đổi từng yếu tố một, (4) Sử dụng đầu ra có cấu trúc, (5) Đánh giá thông qua nhiều lớp, (6) Hoàn thành các thử nghiệm A/B với triển khai canary, (7) Đảm bảo khả năng quan sát với các đường dẫn khôi phục.
Sơ đồ quy trình làm việc PromptOps hình tròn ở bên trái, bảy phương pháp hay nhất được đánh số ở bên phải
Sáu loại lỗi: (1) Lỗi Identity/AuthN/AuthZ, (2) Lỗi chuỗi cung ứng dữ liệu & nội dung, (3) Lỗi điều phối/công cụ/tích hợp, (4) Lỗi mục tiêu/lý luận/liên kết, (5) Lỗi quản trị & con người, (6) Lỗi vận hành/chi phí/khả dụng. Mỗi loại có ví dụ và biện pháp giảm thiểu.
Bảng sáu cột với các hàng chế độ lỗi, ví dụ và biện pháp giảm thiểu
A2A định nghĩa cách các agent nói chuyện, phối hợp, thương lượng và chia sẻ trạng thái. A2A xử lý đối thoại giữa các agent trong khi MCP cho phép khám phá công cụ. Các framework hàng đầu (Google ADK, CrewAI, LangGraph) đang tích hợp A2A. Hãy tiến hành với sự tò mò và thận trọng.
Bố cục chia đôi: Mô tả A2A và sơ đồ kiến trúc bên trái, so sánh A2A vs MCP bên phải
So sánh trên sáu tiêu chí: Tốc độ đạt giá trị đầu tiên (ngày so với tuần), Độ sâu tùy chỉnh (dựa trên quy tắc so với tính linh hoạt hoàn toàn), Tích hợp (hệ sinh thái phong phú so với không giới hạn), Quản trị (tích hợp sẵn so với toàn quyền kiểm soát), Khả năng quan sát (cơ bản so với nâng cao), Chi phí (gia nhập thấp hơn so với trả trước cao hơn).
Bảng so sánh hai hàng với sáu cột tiêu chí quyết định
Kiến trúc bảo mật: SOC ở trung tâm với EDR, XDR/SIEM, Application Delivery Controllers, CloudSec, SASE, IAM/PAM, Data Sec/DLP, GRC, Offensive Security. Ba điểm chính: SOC cần đo từ xa của agent, các control plane phải phát triển, các tổ chức phải bảo mật danh tính/dữ liệu/tuân thủ.
Sơ đồ kiến trúc hoạt động bảo mật với trung tâm SOC, các lớp bảo mật xung quanh và ba điểm chính
Các câu hỏi phổ biến về slide này và nội dung trình bày cơ bản.
Đây là báo cáo tóm tắt toàn diện của Nhóm Nền Tảng AI BCG về việc xây dựng các tác nhân AI doanh nghiệp hiệu quả, được xuất bản vào tháng 11 năm 2025. Nó bao gồm toàn bộ vòng đời từ thiết kế đến triển khai, với các khung thực tế cho kiến trúc tác nhân, lựa chọn nền tảng và quản trị dựa trên kinh nghiệm của BCG trong việc cung cấp hơn 300 tác nhân.
Năm yếu tố cản trở chính là: (1) Tích hợp Brownfield với các hệ thống kế thừa, (2) Dữ liệu doanh nghiệp không đáng tin cậy, (3) Thiếu các khung đánh giá, (4) Chi phí quản trị và kiểm toán, và (5) Ma sát về OpModel và quy mô. Đáng chú ý, các yếu tố hạn chế không phải là khả năng LLM mà là các quy trình và hệ thống của doanh nghiệp.
BCG xác định năm horizons: H0 Các tác nhân bị ràng buộc (ở quy mô hiện nay), H1 Các tác nhân đơn lẻ (tăng cường áp dụng), H2 Các tác nhân sâu với điều phối (trọng tâm hiện tại), H3 Các nhóm tác nhân dựa trên vai trò (rất sớm) và H4 Lưới tác nhân (R&D ban đầu). Các doanh nghiệp nên tập trung vào việc xây dựng đến Horizon 2 hiện nay.
14 thành phần là: Vòng đời phát triển tác nhân, Nền tảng dữ liệu, Bộ nhớ, Đánh giá, Điều phối tác nhân, Điều chỉnh & lặp lại Prompt, Xây dựng nền tảng tác nhân, Kỹ thuật ngữ cảnh, AI Gateway, Thiết kế môi trường, Cân bằng mã thấp so với mã chuyên nghiệp, Enterprise LLMOps, Quản lý các chế độ lỗi và Quy định & tuân thủ.
BCG khuyến nghị một cây quyết định: Nếu trường hợp sử dụng không khác biệt, hãy mua (Áp dụng). Nếu bạn có nguồn lực hạn chế, hãy mua và định cấu hình (Thích ứng). Chỉ xây dựng (Tập hợp) khi trường hợp sử dụng khác biệt và bạn có khả năng kỹ thuật. Hầu hết các doanh nghiệp sẽ kết thúc với một phương pháp tiếp cận kết hợp.
ADC là mẫu tiêu chuẩn hóa của BCG để xác định phạm vi tác nhân. Nó bao gồm mục tiêu có thể đạt được của tác nhân, các số liệu thành công, đầu vào/đầu ra, các kỹ năng và khả năng cần thiết, hành vi dự phòng và loại kích hoạt (phản ứng/chủ động, do người dùng dẫn dắt/do hệ thống dẫn dắt). ADC đảm bảo sự liên kết giữa các mục tiêu kinh doanh và việc triển khai kỹ thuật.
MCP (Giao Thức Ngữ Cảnh Mô Hình) cho phép các tác nhân khám phá và gọi các công cụ và truy cập tài nguyên, trong khi A2A (giao thức Agent-to-Agent của Google) xử lý đối thoại, điều phối và chia sẻ trạng thái giữa các tác nhân. Chúng giải quyết các lớp khác nhau của ngăn xếp công nghệ AI và bổ sung cho nhau, mặc dù cả hai vẫn đang phát triển.
Nó dành sự quan tâm đáng kể đến bảo mật, bao gồm sáu loại chế độ lỗi của tác nhân (danh tính, dữ liệu, điều phối, lý luận, quản trị, vận hành), một kiến trúc mặt phẳng điều khiển bảo mật để tích hợp SOC và các biện pháp giảm thiểu chi tiết cho từng loại lỗi. Nguyên tắc chính là thiết kế sự tin cậy, tuân thủ và khả năng phục hồi theo mặc định.
Create Your Own Slides
Turn your ideas into professional presentations in seconds with 2slides AI.
Tham khảo thiết kế chuyên nghiệp, chọn phong cách của bạn và tạo slide với kết xuất văn bản hoàn hảo. Được hỗ trợ bởi Nano Banana—bắt đầu tạo trình bày của bạn ngay bây giờ.
Your AI Agent for slides. Save time, shine faster with intelligent presentation creation.
© 2026 2slides. All rights reserved.