Doubao Work thêm tác tử song song và điều khiển Mac: Tốc độ thực sự tăng ở đâu?

Doubao Work, sản phẩm AI dành cho công việc độc lập của ByteDance, ra mắt ngày 25/8/2026 với khả năng tích hợp sâu Lark — nền tảng cộng tác nội bộ của ByteDance — tự phân rã tác vụ, gọi công cụ, thực hiện quy trình phức tạp và, khi có ủy quyền, vận hành máy tính hoặc trình duyệt. 4751

Đến ngày 2/9, sản phẩm có thêm hai năng lực đáng chú ý: đa tác tử chạy song song và “Operate Computer” (Thao tác máy tính) cục bộ trên macOS. 1923

Điểm quan trọng không nằm ở việc có bao nhiêu tác tử cùng xuất hiện, mà là một câu hỏi thực tế hơn: một công việc có thể tách thành các phần độc lập và hoàn thành ổn định hay không?

Bản cập nhật tháng 9 có gì mới?

Đa tác tử chạy song song

Doubao Work dùng một tác tử điều phối để hiểu yêu cầu phức tạp, chia thành các mô-đun chuyên biệt, giao các mô-đun này cho tác tử con xử lý đồng thời, rồi gom kết quả thành một đầu ra hoàn chỉnh. Một ví dụ được nêu là quy trình phân tích đối thủ: tác tử này thu thập dữ liệu, tác tử khác dựng khung báo cáo, trong khi một tác tử khác tạo biểu đồ. 1823

Tính năng hiện có trên ứng dụng máy tính. Người dùng chọn môi trường máy tính cục bộ và có thể yêu cầu Doubao Work dùng nhiều tác tử con để xử lý tác vụ. 1923

“Operate Computer” trên macOS

Cùng đợt cập nhật, Doubao Work mở rộng khả năng điều khiển giao diện đồ họa (GUI) cục bộ sang Mac. Sau khi người dùng cấp quyền, hệ thống có thể quan sát màn hình hiển thị và mô phỏng thao tác chuột, bàn phím trong ứng dụng, không cần MCP, API, plug-in hay giao diện dòng lệnh (CLI). Tính năng này trước đó đã có trên Windows. Người dùng có thể tiếp quản hoặc dừng tác vụ bất kỳ lúc nào. 1923

Điều đó mở rộng phạm vi sản phẩm từ các luồng làm việc trong trình duyệt và dịch vụ đã kết nối sang những phần mềm chỉ có giao diện dành cho người dùng.

Cơ chế đa tác tử vận hành thế nào?

Quy trình gồm ba bước:

1. Lập kế hoạch: tác tử chính diễn giải kết quả cần đạt và xác định những phần việc có thể tách riêng.
2. Thực thi song song: các tác tử con chuyên trách xử lý các mô-đun khác nhau cùng lúc.
3. Tổng hợp: tác tử chính thu kết quả và tạo ra một sản phẩm đầu ra thống nhất. 1823

Với một báo cáo thị trường, một nhánh có thể lo thu thập nguồn, nhánh khác dựng dàn ý, còn nhánh thứ ba chuẩn bị biểu đồ. Lợi thế nằm ở việc giảm thời gian chờ hoàn thành khi các nhánh không phải đợi nhau.

Khi nào chạy song song thực sự tiết kiệm thời gian?

Các tình huống ByteDance nêu gồm xử lý hàng loạt, tạo nội dung theo mô-đun, nghiên cứu đa chiều và truy xuất từ nhiều kênh. Điểm chung là phần đáng kể của công việc có thể diễn ra độc lập. 1926

Chạy song song phù hợp nhất khi yêu cầu có:

• Mô-đun rõ ràng: có thể tách riêng nghiên cứu, soạn thảo, lập bảng hoặc chuẩn bị hình ảnh.
• Ít phụ thuộc giữa các nhánh: một tác tử không phải chờ câu trả lời cuối cùng của tác tử khác mới bắt đầu.
• Ít xung đột trạng thái dùng chung: không có nhiều tác tử cùng lúc sửa một tệp hoặc điều khiển cùng một phiên desktop.
• Chuẩn đầu ra xác định: mỗi nhánh biết rõ phạm vi, nguồn tham khảo, định dạng và yêu cầu bàn giao.

Vì thế, tuyên bố tiết kiệm thời gian cần được hiểu là có điều kiện. Nhiều tác tử hơn không mặc nhiên đồng nghĩa quy trình nhanh hơn. Nếu công việc buộc phải làm theo chuỗi, hoặc khâu đối chiếu cuối cùng quá phức tạp, phần thời gian điều phối, gộp kết quả và kiểm tra chất lượng có thể làm mất phần lớn lợi ích từ chạy đồng thời.

Những việc thường phù hợp

• Nghiên cứu đối thủ hoặc thị trường với các chiều phân tích được giao riêng
• Phân loại, chuẩn bị tài liệu hàng loạt
• Báo cáo có các phần tách biệt như nghiên cứu, dàn ý, bảng số liệu và biểu đồ
• Thu thập thông tin từ nhiều nguồn độc lập
• Tạo các định dạng đầu ra khác nhau từ cùng một bản yêu cầu, khi các đầu ra không phụ thuộc lẫn nhau 1924

Những việc thường không phù hợp

• Quy trình mà mỗi bước phải có kết quả đã được xác minh từ bước trước
• Công việc yêu cầu nhiều tác tử cùng sửa một tài liệu, bản ghi hoặc môi trường desktop
• Yêu cầu mơ hồ dẫn đến các nhánh nghiên cứu chồng chéo
• Giao dịch nhạy cảm, nơi mọi hành động đều cần xác nhận rõ ràng trước khi chuyển sang bước tiếp theo

Chẳng hạn, câu lệnh chung chung như “nghiên cứu các đối thủ của chúng ta” dễ tạo ra công việc trùng lặp. Một yêu cầu hữu ích hơn nên chỉ rõ các nhánh độc lập: giá bán, tính năng sản phẩm, phản hồi khách hàng và rủi ro pháp lý; đồng thời quy định yêu cầu về nguồn, mẫu bảng so sánh chung và cách đánh dấu các điểm bất đồng.

Vì sao điều khiển GUI tiếp cận được nhiều phần mềm hơn?

Tính năng trên Mac hoạt động qua giao diện đang hiển thị thay vì kết nối chuyên dụng với ứng dụng. Theo các bài đưa tin, hệ thống đọc màn hình, nhận diện thành phần giao diện và mô phỏng thao tác chuột, bàn phím sau khi được cấp quyền. 1819

Trên thực tế, kiểu điều khiển dựa trên màn hình này có thể hữu ích cho:

• Cổng thông tin nội bộ và ứng dụng nghiệp vụ không có API công khai
• Phần mềm cũ, ứng dụng desktop đời trước
• Hệ thống chuyên ngành tự xây dựng, nơi chi phí tích hợp và duy trì không tương xứng
• Quy trình phát sinh một lần hoặc không thường xuyên, diễn ra trên các ứng dụng desktop phổ biến

Sức hấp dẫn của cách tiếp cận không cần MCP, API, plug-in hay CLI là nó có thể đưa tự động hóa đến “phần đuôi dài” của các hệ thống vốn được xây cho người thao tác, thay vì cho phần mềm kết nối trực tiếp. Khi ra mắt, Doubao Work cũng được định vị với khả năng tích hợp Lark, điều khiển desktop ảo và vận hành trình duyệt. 4751

Điều khiển GUI và kết nối có cấu trúc: không phải chọn một bỏ một

Tự động hóa qua màn hình và công cụ có cấu trúc giải quyết hai bài toán khác nhau.

Điều khiển GUI có độ phủ rộng. Nó có thể làm việc ở nơi không tồn tại tích hợp, bởi tác tử tương tác với đúng những gì con người nhìn thấy. Đổi lại, cách này nhạy cảm với thay đổi bố cục, cửa sổ bật lên, tải trang chậm, lời nhắc đăng nhập và các trạng thái bất ngờ. Những nút trông gần giống nhau cũng có thể gây nhầm lẫn.

API hoặc công cụ theo kiểu MCP có ranh giới rõ hơn. Một kết nối được thiết kế tốt có thể cung cấp hành động được đặt tên, tham số xác định, phân quyền, phản hồi có thể dự đoán và lỗi mà máy có thể đọc. Các đặc điểm này giúp xác minh, kiểm toán và kiểm soát dễ hơn, đặc biệt với hoạt động lặp lại hoặc có hệ quả lớn.

Điều đó không có nghĩa GUI khiến các kết nối có cấu trúc trở nên lỗi thời. Hai cách tiếp cận có thể bổ sung cho nhau:

1. Dùng kết nối có cấu trúc, đã được phê duyệt cho các bước thường xuyên, khối lượng lớn, nhạy cảm hoặc liên quan giao dịch.
2. Dùng điều khiển desktop hay trình duyệt cho hệ thống nội bộ khó kết nối, phần mềm cũ và “chặng cuối” của quy trình không có phương án tích hợp khả thi.
3. Yêu cầu phê duyệt của con người trước hành động không thể đảo ngược; kiểm thử cả tình huống ngoại lệ, thay vì chỉ xem phần trình diễn thuận lợi.

Doubao Work nằm ở đâu trong chiến lược AI công sở của ByteDance?

Doubao Work là một phần trong nỗ lực tập trung các năng lực AI cho nơi làm việc dưới thương hiệu Doubao. Sản phẩm ra mắt ngày 25/8 dưới dạng dịch vụ tác tử cho công việc, tích hợp sâu với Lark. Các thông tin đưa tin cũng cho biết ByteDance đang sáp nhập các nhóm đứng sau sản phẩm lập trình TRAE và nền tảng xây dựng tác tử Coze vào nỗ lực Doubao rộng hơn. 5148

Bản phát hành tháng 9 bổ sung hai phương thức thực thi bổ trợ cho định hướng này: phân rã tác vụ song song để tăng thông lượng và thao tác GUI cục bộ để mở rộng độ phủ tới phần mềm desktop. Tuy nhiên, chỉ riêng hai năng lực này chưa thể chứng minh mọi quy trình đều đáng tin cậy hoặc phù hợp để tự động thực hiện hoàn toàn.

Doanh nghiệp nên đo gì khi đánh giá?

Một bản demo ấn tượng hay số lượng tác tử danh nghĩa lớn không phản ánh đầy đủ giá trị vận hành. Chỉ số có ý nghĩa hơn là số tác vụ hoàn thành đáng tin cậy, được chấp nhận mỗi giờ trên chính bộ ứng dụng thực tế của doanh nghiệp.

Nên theo dõi:

• Tỷ lệ hoàn thành đầu cuối, bao gồm đăng nhập, ngoại lệ và bàn giao
• Thời gian hoàn thành trung vị và bách phân vị thứ 95, gồm cả khâu người dùng duyệt và sửa
• Mức độ trùng lặp và tính nhất quán thực tế trong phần tổng hợp của đa tác tử
• Tỷ lệ thử lại, cần can thiệp và hoàn tác trong quy trình dựa trên GUI
• Hiệu năng khi giao diện thay đổi, xuất hiện pop-up, tải chậm hoặc gặp màn hình bất ngờ
• Tỷ trọng hành động có ảnh hưởng lớn được thực hiện qua công cụ có cấu trúc so với điều khiển màn hình
• Phạm vi quyền truy cập, cổng phê duyệt, nhật ký và khả năng truy vết đối với hành động quan trọng
• Chi phí trên mỗi kết quả được chấp nhận, thay vì chỉ tính chi phí mỗi lần gọi mô hình

Bản cập nhật của Doubao Work đưa ra lập luận hợp lý về độ phủ rộng hơn cho tác tử công việc: chạy song song có thể tăng thông lượng với việc thực sự tách được, còn điều khiển GUI trên macOS có thể tiếp cận các ứng dụng chưa có sẵn tích hợp. Bài kiểm tra cuối cùng với doanh nghiệp vẫn là liệu các năng lực ấy có tạo ra kết quả chính xác, có thể rà soát trong điều kiện vận hành thực tế hay không. 1923