QwenWork của Alibaba muốn biến AI thành quy trình làm việc, thay vì cuộc đua quota token

QwenWork là nỗ lực của Alibaba nhằm đưa AI vượt ra ngoài khung chat và đi vào công việc vận hành hằng ngày. Nền tảng này hợp nhất ba sản phẩm trước đó là QoderWork, MuleRun và Wukong, tạo thành một lớp tác tử AI có thể phối hợp công việc giữa máy tính để bàn, dịch vụ đám mây, công cụ cộng tác, tệp tin và các hệ thống doanh nghiệp. 13

Ý tưởng cốt lõi khá rõ ràng: giá trị AI trong doanh nghiệp nên được đo bằng việc hoàn thành các quy trình lặp lại, có kiểm soát, đúng ngữ cảnh và đúng quyền hạn — thay vì tối đa hóa số token mà mỗi nhân viên có thể dùng.

QwenWork là gì và vì sao Alibaba gộp ba sản phẩm?

Alibaba giới thiệu QwenWork ở dạng beta công khai như một nền tảng tác tử AI tích hợp cho nơi làm việc. Sản phẩm gom QoderWork, MuleRun và Wukong vào một giao diện, kết hợp năng lực tác tử trên máy tính để bàn, đám mây và môi trường cộng tác doanh nghiệp. 13

Lý do của việc hợp nhất nằm ở thực tế: một quy trình công việc hiếm khi chỉ diễn ra ở một nơi. Nhân viên có thể phải đọc tệp cục bộ, tra cứu hệ thống nghiệp vụ, trao đổi trên công cụ nhắn tin nội bộ, tạo tài liệu rồi lên lịch xử lý tiếp. QwenWork được thiết kế để tiếp nhận mục tiêu bằng ngôn ngữ tự nhiên và điều phối tác vụ nhiều bước qua các môi trường đó. 26

Thay vì là một trợ lý đứng riêng lẻ, QwenWork được Alibaba định vị như một lớp thực thi: người dùng nêu kết quả mong muốn, theo dõi quá trình xử lý, kiểm tra đầu ra, rồi tái sử dụng hoặc lên lịch các tác vụ lặp lại. 2

Các lớp công nghệ phía sau QwenWork

QwenWork không phải chỉ là một mô hình AI hay một ứng dụng đơn lẻ. Giá trị mà Alibaba hướng tới đến từ sự kết hợp của nhiều lớp.

Mô hình Qwen là lớp suy luận

QwenWork sử dụng họ mô hình Qwen cho các việc như lập kế hoạch, tạo nội dung, lập trình và cộng tác. Qwen3.8 được ra mắt cùng thời điểm với QwenWork, và Alibaba giới thiệu bộ đôi này như một đề xuất AI hướng đến doanh nghiệp. 79

Khác biệt quan trọng là: mô hình cung cấp năng lực suy luận, còn QwenWork được xây dựng để điều phối việc thực thi xung quanh năng lực đó. Một mô hình tốt có thể soạn câu trả lời; nền tảng tác tử cần biết vận dụng mô hình cùng tệp tin, công cụ, dữ liệu và quy trình đã được phê duyệt.

Alibaba Cloud cung cấp không gian làm việc và hạ tầng vận hành

Theo hướng dẫn sản phẩm, người dùng liên kết tài khoản QwenWork với tài khoản Alibaba Cloud, vào không gian làm việc cá nhân hoặc tổ chức, sau đó chọn mô hình, thêm tệp và bật Skills hoặc trình kết nối khi cần. 2

Nhờ vậy, QwenWork không chỉ là chatbot trên máy tính. Trong thiết kế của Alibaba, công việc có thể được tổ chức trong môi trường dùng chung, với các tài nguyên tái sử dụng cho cả nhóm lẫn cá nhân.

DingTalk đưa tác tử vào luồng cộng tác

Alibaba cho biết QwenWork sẽ có thể được truy cập như tác tử nhúng trong DingTalk trên máy tính để bàn và thiết bị di động. 1 Đây là mắt xích quan trọng trong thông điệp dành cho doanh nghiệp: nhân viên có thể gọi AI ngay trong môi trường đã có hội thoại, tài liệu, cuộc họp, tin nhắn và quy trình phê duyệt.

MyContext là lớp ngữ cảnh doanh nghiệp

Alibaba được cho là đã mã nguồn mở MyContext, hạ tầng nhằm biến dữ liệu phân tán trong nhắn tin nội bộ, tài liệu, phê duyệt và email thành ngữ cảnh để tác tử gọi dùng. Một báo cáo bên thứ ba cho biết dự án đã vượt 3.000 sao trên GitHub tại thời điểm đăng tin. 5

Đây là một tuyên bố kiến trúc đáng chú ý. Trở ngại của AI doanh nghiệp thường không phải là mô hình không biết viết, mà là thông tin cần để hành động bị rải rác qua nhiều hệ thống và quyền truy cập. MyContext được định hướng để giúp tác tử khai thác thông tin tổ chức mà nhân viên không phải gõ lại toàn bộ bối cảnh trong từng câu lệnh.

Kết nối CRM và ERP giúp đề xuất đi gần hơn tới hành động

Các báo cáo liên quan đến Alibaba mô tả tác tử có thể truy vấn thông tin khách hàng, tồn kho và các dữ liệu khác qua hệ thống CRM, ERP, sau đó đưa ra đề xuất từ yêu cầu ngôn ngữ tự nhiên. 5

Với doanh nghiệp, đây là khác biệt giữa AI chỉ tóm tắt thông tin và AI có thể hỗ trợ một quy trình vận hành cụ thể. Tuy nhiên, giá trị thực tế vẫn phụ thuộc vào dữ liệu chính xác, thiết kế phân quyền, khả năng kiểm toán và bước rà soát của con người — chứ không chỉ ở số lượng hệ thống được kết nối.

Skills lưu giữ tri thức có thể lặp lại

Một Skill trong QwenWork là hướng dẫn công việc được viết sẵn, quy định các bước thực hiện, định dạng đầu ra và những điểm cần lưu ý cho một nhóm tác vụ nhất định. Khi đã định nghĩa, QwenWork có thể nhận diện và áp dụng Skill đó trong các cuộc hội thoại sau. 17

Skills quan trọng vì chúng biến kinh nghiệm vận hành của một cá nhân thành thứ có thể chuyển giao. Thay vì phụ thuộc vào cách đặt câu lệnh của một chuyên gia, nhóm có thể mã hóa quy trình và dùng lại nhất quán hơn.

Dấu hiệu tiếp nhận ban đầu và cột mốc mã nguồn mở

Alibaba cho biết QwenWork đã vượt 30 triệu người dùng chỉ một tháng sau khi bước vào giai đoạn beta tại Trung Quốc. Công ty cũng nói tài khoản doanh nghiệp chiếm hơn một nửa số này, đồng thời ghi nhận việc áp dụng trong ngành ô tô, dịch vụ tài chính, logistics, trí tuệ hiện thân và nghiên cứu khoa học. 3

Phiên bản quốc tế của QwenWork cũng được mở beta công khai, nhắm đến các thị trường gồm châu Á, Mỹ Latinh và Trung Đông. 46

Việc MyContext được mã nguồn mở cùng số sao GitHub được báo cáo cho thấy sự quan tâm từ giới phát triển, nhưng không nên coi đó là bằng chứng về giá trị doanh nghiệp bền vững. Sao GitHub, lượt đăng ký beta và tốc độ cập nhật sản phẩm phản ánh mức độ chú ý và động lực ban đầu; chúng không tự chứng minh tính an toàn, độ tin cậy hay hiệu quả tài chính dài hạn. 5

Vì sao đây là thách thức với “Token Maxxing”?

“Token Maxxing” có thể hiểu là việc doanh nghiệp mua hạn mức token AI rất lớn cho nhân viên mà không gắn chặt với kết quả kinh doanh cụ thể. Năng lực xử lý nhiều hơn đôi khi hữu ích, nhưng token tiêu thụ là đầu vào — không phải thước đo năng suất hay chất lượng.

QwenWork đưa ra một hướng triển khai khác:

• Ngữ cảnh dùng chung: Tác tử có thể được đặt trên nền dữ liệu tổ chức, thay vì chỉ dựa vào một câu lệnh đơn lẻ của nhân viên. 5
• Thực thi có kết nối: AI có thể làm việc cùng hệ thống cộng tác và nghiệp vụ, thay vì dừng ở một câu trả lời được tạo ra. 15
• Tri thức tái sử dụng: Skills cho phép mã hóa một quy trình một lần và áp dụng lại cho những việc tương tự. 17
• Đo theo kết quả: Doanh nghiệp có thể đánh giá thời gian tiết kiệm, giảm lỗi, năng lực xử lý, khối lượng cần rà soát và chất lượng phục vụ, thay vì đếm token.

Đây là một luận điểm hợp lý cho AI doanh nghiệp, nhưng kiến trúc tốt không đồng nghĩa hiệu quả đã được chứng minh. Càng kết nối nhiều hệ thống, yêu cầu về kiểm soát truy cập, quản trị dữ liệu, xử lý lỗi và giám sát càng cao. Một tác tử theo quy trình chỉ tạo ra giá trị lâu dài nếu quy trình nền tảng đáng tin cậy và đầu ra của nó đủ an toàn để hành động.

Các trường hợp sử dụng được báo cáo tại Changan Automobile

Alibaba cho biết Changan Automobile đã triển khai QwenWork ở các khâu nghiên cứu và phát triển (R&D), sản xuất, chuỗi cung ứng, bán hàng và dịch vụ. 3 Đáng chú ý, các ví dụ tập trung vào quy trình cụ thể thay vì cách dùng AI chung chung.

R&D: tính toán dây điện ô tô

Alibaba cho biết các kỹ sư Changan đã xây dựng công cụ tính toán lựa chọn dây điện, giúp rút thời gian từ hai ngày xuống khoảng năm phút. Công ty cũng báo cáo một công việc căn chỉnh thiết kế hệ thống chiếu sáng giảm từ nhiều tuần xuống còn một cuộc họp. 3

Điều đáng chú ý không chỉ là mức tăng tốc, mà là cơ chế: các kỹ sư đã chuyển hóa quy tắc tính toán chuyên môn thành quy trình có thể thực thi. Đây là ví dụ về việc biến tri thức lĩnh vực thành công cụ nội bộ có thể dùng lại.

Sản xuất: đối chiếu hồ sơ xe

Alibaba cho biết một ứng dụng xác minh tài liệu xe đã rút thời gian kiểm tra mỗi xe từ hơn 10 phút xuống dưới hai phút. 3

Đây là dạng bài toán phù hợp với AI theo quy trình: đối chiếu các chi tiết có cấu trúc, phát hiện sai lệch và chuyển ngoại lệ sang người phụ trách xác nhận. Trong bối cảnh chịu yêu cầu cao về chất lượng hoặc tuân thủ, tiêu chí quan trọng không chỉ là tốc độ mà còn là độ tin cậy và khả năng kiểm toán.

Chuỗi cung ứng: tự động hóa rà soát nhà cung cấp

Alibaba cho biết việc tự động hóa rà soát nhà cung cấp đã giảm 90% khối lượng công việc. 3 Mô tả về quy trình rà soát bao bì tại Changan cho thấy một công việc liên quan tới hàng trăm nhà cung cấp và hàng nghìn linh kiện được chuyển thành các kịch bản tự động để thu thập dữ liệu, tổng hợp tiến độ và cảnh báo chậm trễ. 3

Đây gần với lời hứa về tác tử doanh nghiệp hơn là một ca dùng tạo văn bản đơn giản. AI chỉ có ích khi làm việc được với quy tắc và nguồn dữ liệu liên quan, tạo ra trạng thái theo dõi hữu dụng và vẫn để các ngoại lệ hiển thị rõ cho người chịu trách nhiệm cuối cùng.

Bán hàng và dịch vụ: phân tích phản hồi nhanh hơn

Alibaba cũng cho biết việc tự động xử lý hàng chục nghìn phản hồi khảo sát đã rút thời gian phân tích insight người dùng từ nhiều ngày xuống nửa ngày. 3

Nhìn tổng thể, các ví dụ này gợi ý nơi QwenWork có thể thuyết phục nhất: những tác vụ lặp lại, nhiều thông tin, có đầu vào rõ ràng, các bước rà soát có cấu trúc và chủ sở hữu nghiệp vụ xác định.

Bằng chứng vẫn có giới hạn

Alibaba cũng nêu các tổ chức như Huifu World, Transfar Group và Laoxiangji là bên áp dụng QwenWork. 3 Tuy vậy, các tài liệu hiện có chưa đưa ra kết quả chi tiết và được xác minh độc lập ở mức tương đương cho mọi trường hợp sử dụng được đề xuất trong logistics, nghiên cứu, mua sắm, lập lịch, giám sát hay kiểm tra tài chính.

Các chỉ số về Changan là tín hiệu vận hành đáng quan tâm, nhưng phần lớn do doanh nghiệp công bố và còn rất sớm. Chúng nên được xem là các tuyên bố từ nghiên cứu tình huống, không phải bằng chứng độc lập rằng QwenWork sẽ vượt mọi phương án AI doanh nghiệp khác.

Kết luận

Điểm mạnh nhất trong đề xuất của QwenWork không phải là cấp ngân sách token lớn hơn. Đó là khả năng biến ngữ cảnh tổ chức, quyền truy cập hệ thống và quy trình chuyên môn thành các luồng công việc có quản trị mà nhân viên có thể dùng lại.

Số liệu tiếp nhận ban đầu và các tình huống tại Changan khiến hướng đi này đáng theo dõi. Nhưng khi đánh giá QwenWork hay nền tảng tương tự, doanh nghiệp vẫn cần tự kiểm chứng những câu hỏi khó hơn: tác tử được truy cập dữ liệu nào, hành động được phê duyệt ra sao, đầu ra được kiểm toán thế nào, lỗi sẽ xuất hiện dưới dạng gì và liệu cải thiện có duy trì khi vận hành thực tế hay không. Bên thắng trong AI doanh nghiệp sẽ không phải nền tảng tạo ra nhiều token nhất, mà là nền tảng cải thiện công việc thật một cách đáng tin cậy.