OpenAI muốn ChatGPT làm việc thay người dùng, từ tìm trường đến lập thực đơn -

Một mô hình AI có thể đạt tỷ lệ thành công 98% khi quản lý nhóm tình nguyện viên chuẩn bị ứng phó với lũ lụt, 93,1% khi tìm trường mẫu giáo phù hợp cho một gia đình vừa chuyển nhà và 90,4% khi xây dựng thực đơn cho người vừa được chẩn đoán mắc bệnh tiểu đường.
Những con số này do OpenAI công bố khi giới thiệu bộ tiêu chuẩn đánh giá mới, nhằm đo lường khả năng xử lý các công việc thường ngày của mô hình trí tuệ nhân tạo (AI). Kết quả cho thấy GPT-6 Astra của công ty đang tiến gần hơn đến vai trò một trợ lý có thể đảm nhận những nhiệm vụ phức tạp trong đời sống, thay vì chỉ hỗ trợ người dùng viết văn bản, làm bài tập hay tạo bài thuyết trình.
Hôm thứ Hai, 2-11, OpenAI công bố công cụ đánh giá nội bộ mới, tập trung vào những công việc vốn chủ yếu do con người thực hiện, từ mua sắm, lập ngân sách đến tìm kiếm dịch vụ và chăm sóc người thân.
Đây là một bước đi đáng chú ý trong chiến lược phát triển ChatGPT. Công ty muốn chuyển sản phẩm này từ một công cụ tạo nội dung thành trợ lý có khả năng trực tiếp thực hiện công việc thay người dùng, kể cả những nhiệm vụ đòi hỏi tìm kiếm thông tin, đưa ra lựa chọn và phối hợp nhiều bước.
Tuy nhiên, để biết AI có thực sự làm tốt những việc đó hay không, OpenAI phải giải quyết một câu hỏi không đơn giản: Làm thế nào đánh giá chính xác khả năng của một công nghệ khi mỗi người có nhu cầu, hoàn cảnh và cách sử dụng khác nhau?
Đo năng lực AI từ những việc con người thực sự cần
Các bộ tiêu chuẩn đánh giá đóng vai trò quan trọng trong quá trình phát triển AI. Những bài kiểm tra này giúp các phòng nghiên cứu xác định điểm mạnh, điểm yếu của mô hình, từ đó điều chỉnh quá trình huấn luyện và cải thiện năng lực trong từng lĩnh vực.
Năm ngoái, OpenAI công bố GDPVal, bộ tiêu chuẩn đo lường khả năng thực hiện các công việc chuyên môn của AI trong nhiều ngành, như sản xuất, hoạt động chính phủ, tài chính và bán hàng.
Bộ đánh giá mới tập trung vào một phạm vi khác: những công việc diễn ra trong đời sống hàng ngày. Đây cũng là lĩnh vực khó xây dựng tiêu chí đo lường hơn, bởi việc chọn trường cho con, tìm căn hộ hay lập kế hoạch chăm sóc người thân không có một đáp án đúng duy nhất cho tất cả mọi người.
Ban đầu, OpenAI tham khảo các khảo sát quy mô lớn về cách con người sử dụng thời gian, trong đó có Khảo sát sử dụng thời gian của Cục Thống kê Lao động Mỹ và Khảo sát sử dụng thời gian đa quốc gia của Anh. Tuy nhiên, nhiều hoạt động chiếm phần lớn thời gian trong các khảo sát này, chẳng hạn ngủ và ăn uống, lại không phải những công việc AI có thể trực tiếp hỗ trợ.
Công ty sau đó chuyển sang hỏi người dùng ChatGPT về những việc họ muốn một trợ lý AI thực hiện thay mình.
OpenAI khảo sát khoảng 4.000 người, rồi chọn khoảng 100 người tham gia sâu hơn vào quá trình xây dựng bài kiểm tra. Họ được yêu cầu liệt kê những công việc muốn AI đảm nhận, cung cấp thông tin cá nhân cần thiết để mô hình hiểu hoàn cảnh và xác định các tiêu chí đánh giá kết quả.
Những người tham gia cũng phải có hiểu biết thực tế về lĩnh vực mà họ đề xuất. Chẳng hạn, người xây dựng bài kiểm tra về lập kế hoạch tài chính cần có nhiều năm kinh nghiệm làm việc với cố vấn tài chính.
“Bạn phải có bằng chứng cho thấy mình là một chuyên gia hoặc thực sự hiểu rõ đâu là câu trả lời phù hợp với nhu cầu của bản thân,” Jenny Yang, nhà nghiên cứu tại OpenAI, nói với CNN.
Theo Yang, mục tiêu của công ty là ghi nhận những cách người dùng thực sự khai thác ChatGPT, qua đó xác định những việc mô hình đã làm tốt và những điểm cần cải thiện.
“Vì có rất nhiều người sử dụng ứng dụng, chúng tôi muốn ghi nhận tất cả tình huống sử dụng và cách mọi người khai thác công cụ này, từ đó thực sự hiểu được khả năng của AI đang cải thiện như thế nào theo thời gian. Những việc nào chúng tôi vẫn chưa làm tốt? Làm thế nào để tiếp tục cải thiện công nghệ này nhằm phục vụ mọi người tốt hơn?” bà nói.
Bài kiểm tra mới đánh giá nhiều kỹ năng khác nhau. Mô hình phải có khả năng truy cập và thao tác trên website, tìm kiếm thông tin từ lượng lớn dữ liệu trong lịch sử trò chuyện để hiểu bối cảnh người dùng, đồng thời đưa ra kết luận phù hợp với nhu cầu cụ thể.
Theo kết quả OpenAI công bố, GPT-6 Astra, ra mắt hồi tháng 9, đạt tỷ lệ thành công 80% trong các bài đánh giá tổng quát về khả năng xử lý công việc thường ngày. Mức này cao hơn đáng kể so với 49,3% của GPT-5.2, ra mắt tháng 12-2025.
“Có quá nhiều thông tin, và một mô hình tốt hơn sẽ có khả năng nhanh chóng sàng lọc chúng, đồng thời tìm ra những phần thực sự liên quan nhất,” Yang nói.
Các kết quả trên do OpenAI xây dựng và công bố, chưa đồng nghĩa mô hình có thể thực hiện thành công mọi công việc tương tự trong điều kiện thực tế. Tuy vậy, chúng cho thấy công ty đang tìm cách đo lường một năng lực ngày càng quan trọng: khả năng hiểu nhu cầu, xử lý thông tin và hành động thay người dùng.
Cuộc đua giành vị trí trợ lý cá nhân
OpenAI không phải là công ty AI duy nhất với tham vọng đưa AI vào sâu hơn đời sống hàng ngày. Meta, Anthropic và Google cũng đang phát triển các tác nhân AI có khả năng tự thực hiện nhiều công việc thay vì chỉ phản hồi yêu cầu.
Theo công ty nghiên cứu thị trường Sensor Tower, tác nhân AI Muse của Meta, ra mắt hồi tháng 9, đạt 10 triệu lượt tải tại Mỹ trong 40 ngày đầu tiên. Đây là thành tích mà chỉ một số ít ứng dụng đạt được.
Cũng trong tháng 9, OpenAI giới thiệu tác nhân AI Dots. Theo công ty, công cụ này có thể âm thầm xử lý những công việc kéo dài ở chế độ nền trong khi người dùng tiếp tục các hoạt động thường ngày. Đến tháng 10, Anthropic công bố ứng dụng tác nhân AI mới mang tên Claude Duet.
Cuộc cạnh tranh diễn ra trong bối cảnh các công ty công nghệ chịu áp lực phải chứng minh những khoản đầu tư khổng lồ vào AI có thể tạo ra giá trị kinh tế thực tế. Việc phát triển mô hình ngày càng mạnh không còn là mục tiêu duy nhất. Các doanh nghiệp cần biến năng lực đó thành sản phẩm mà người dùng sẵn sàng sử dụng thường xuyên, thậm chí trả tiền.
Dẫu vậy, việc giao ngày càng nhiều công việc cho AI cũng kéo theo những lo ngại về an toàn và mức độ phụ thuộc của con người vào công nghệ.
Một số sự cố trong quá trình thử nghiệm cho thấy mô hình AI có thể vượt khỏi môi trường kiểm soát và xâm nhập hệ thống của doanh nghiệp. Những sự cố này không xảy ra trên các sản phẩm dành cho người tiêu dùng, nhưng vẫn đặt ra câu hỏi về tốc độ phát triển và khả năng kiểm soát các tác nhân AI.
Một vấn đề khác là ranh giới giữa việc sử dụng AI để hỗ trợ và giao phó hoàn toàn công việc cho công nghệ. Khi AI có thể đưa ra lựa chọn thay người dùng, từ thực phẩm, trường học đến kế hoạch tài chính, con người cần xác định những quyết định nào có thể giao cho máy móc và những quyết định nào vẫn phải tự mình chịu trách nhiệm.
Marissa Mayer, cựu Giám đốc điều hành Yahoo, từng kể với The New York Times rằng bà sử dụng AI để tóm tắt những điểm đặc biệt của con gái nhằm phục vụ một bài tập ở trường. Câu chuyện sau đó vấp phải nhiều ý kiến chỉ trích trên mạng, cho thấy việc đưa AI vào những khía cạnh riêng tư của đời sống vẫn gây tranh luận.
Với Yang, mục tiêu cuối cùng là giúp con người có thêm thời gian bằng cách giảm bớt những công việc tốn công sức, từ trả lại món hàng đã mua đến học một kỹ năng mới.
“Tôi nghĩ có rất nhiều tình huống như vậy, trong đó AI giúp mọi người có thể làm được những việc mà trước đây họ không thể, hoặc đơn giản là khiến cuộc sống trở nên dễ dàng hơn. Đây chính là tình huống sử dụng mà chúng tôi thực sự hào hứng hướng tới,” bà nói.