Từ trợ lý trong phim viễn tưởng đến bài toán AI phục vụ người Việt

Điện ảnh từ lâu đã đưa con người đến với những hình dung đầy hấp dẫn về tương lai, nơi một trợ lý thông minh có thể trò chuyện, hiểu yêu cầu và giúp chủ nhân giải quyết đủ việc chỉ qua vài lời trao đổi. Trong loạt phim siêu anh hùng “Iron Man” (Người Sắt), mối quan hệ giữa tỷ phú công nghệ, nhà phát minh thiên tài Tony Stark và trợ lý trí tuệ nhân tạo J.A.R.V.I.S. là một hình dung như thế.

Trong quá trình chế tạo hay thử nghiệm bộ giáp công nghệ, Tony có thể nhờ trợ lý tìm thông tin, phân tích dữ liệu hoặc điều khiển thiết bị mà không cần rời tay khỏi công việc. J.A.R.V.I.S. đáp lại bằng lời nói chân thực, đôi khi pha chút hài hước, như một cộng sự đã quá quen với cách làm việc của anh. Bên cạnh những màn trình diễn mãn nhãn của bộ giáp, sự ăn ý ấy cũng khiến người xem thích thú và ao ước có một trợ lý thông minh cho riêng mình.

Giao việc bằng lời nói, mở rộng khả năng tiếp cận AI

Ngoài màn ảnh, mong muốn có thể giao việc cho công nghệ một cách thuận tiện như vậy cũng hiện diện trong những tình huống bình thường hơn như nhờ đặt một chuyến xe, gửi một tin nhắn hay điều chỉnh nhiệt độ phòng khi không rảnh tay.

Ngày nay, sự phát triển của Agentic AI (AI tác nhân) đang mở ra khả năng hiện thực hóa từng phần trải nghiệm ấy. Một hướng phát triển đáng chú ý là kết hợp tương tác bằng giọng nói với năng lực thực thi của AI tác nhân, giúp các trợ lý AI giọng nói (Voice Agents) có thể xử lý công việc thông qua hội thoại. Khi được kết nối với các công cụ và dịch vụ phù hợp, trợ lý AI có thể tiếp nhận yêu cầu, xác định những bước cần thực hiện và tiến hành công việc trong phạm vi được cho phép.

Để đặt một chuyến xe trên điện thoại, người dùng thường phải mở ứng dụng, nhập điểm đến, chọn loại xe và xác nhận các thông tin cần thiết. Những thao tác đã thành thói quen với người sử dụng thường xuyên vẫn có thể khiến người ít tiếp xúc với dịch vụ số lúng túng. Có người biết rõ mình muốn đi đâu, nhưng phải nhờ con cháu đặt giúp, vì không nhớ chức năng nằm ở mục nào hoặc lo bấm nhầm trên màn hình.

Giá trị của cách tương tác ấy có thể được nhìn thấy ngay trong sinh hoạt hàng ngày. Khi đang nấu ăn, người dùng có thể nhờ trợ lý đặt thêm đồ ăn và gửi tin nhắn báo giờ ăn tối cho người thân mà không phải lần lượt thao tác trên từng ứng dụng. Trong lúc dọn nhà, một người có thể đọc lời nhắn cần gửi thay vì dừng việc để gõ từng chữ. Với người gặp khó khăn khi nhìn màn hình hoặc chưa quen sử dụng ứng dụng, khả năng trao đổi bằng lời nói cũng có thể giúp họ chủ động hơn khi tiếp cận các tiện ích số.

Giá trị của tương tác bằng giọng nói có thể được nhìn thấy ngay trong sinh hoạt hàng ngày.

Tuy nhiên, để cuộc trao đổi diễn ra thuận tiện như kỳ vọng, công nghệ phải xử lý được sự đa dạng trong cách con người nói chuyện. Cùng một yêu cầu, người Việt có thể diễn đạt bằng nhiều từ ngữ, giọng vùng miền và cách xưng hô khác nhau. Có người nói đầy đủ thông tin ngay từ đầu, có người bổ sung hoặc đổi ý giữa chừng. Một yêu cầu như “đặt xe về nhà” cũng chỉ có thể được thực hiện đúng khi trợ lý xác định được địa chỉ cần đến; nếu chưa có thông tin, hệ thống cần hỏi lại.

Nhận định về tiềm năng ứng dụng trợ lý AI giọng nói tại Việt Nam, Tiến sĩ Nguyễn Trường Sơn, Giám đốc Khoa học Zalo AI, cho rằng người dùng đã quen với các hình thức tương tác bằng giọng nói, trong khi những dịch vụ như gọi xe, giao đồ ăn và nhà thông minh cũng ngày càng phổ biến. Ông cho biết: “Nhu cầu sử dụng trợ lý giọng nói đã có từ lâu, còn công nghệ thì đang bắt kịp. Tuy nhiên, để người dùng sẵn sàng giao những công việc quan trọng cho AI, hệ thống phải chứng minh được khả năng hiểu đúng và thực hiện chính xác yêu cầu”.

LifeMate: Đơn giản hóa thao tác với trợ lý AI thực hiện yêu cầu bằng giọng nói

Từ nhu cầu xóa bỏ rào cản khi giao tiếp tự nhiên với AI, Zalo AI Challenge 2026 với bảng đấu LifeMate đặt ra thử thách xây dựng một AI tác nhân có khả năng tiếp nhận các yêu cầu bằng giọng nói của người dùng và thực hiện hành động tương ứng. Đích đến của bài toán là phát triển những trợ lý AI có thể hỗ trợ con người trong sinh hoạt hàng ngày, từ điều khiển thiết bị nhà thông minh, đặt xe, gọi đồ ăn đến thực hiện các công việc trên những ứng dụng được kết nối.

Chẳng hạn, với yêu cầu “Bật điều hòa phòng khách ở 26 độ và đặt xe đón tôi về nhà”, trợ lý phải xử lý hai công việc trên hai dịch vụ khác nhau. Hệ thống cần chọn đúng điều hòa, thiết lập nhiệt độ được yêu cầu, đồng thời xác định điểm đón, điểm đến và các thông tin cần thiết để đặt xe. Nếu chưa biết địa chỉ nhà hoặc vị trí đón, trợ lý cần hỏi lại người dùng trước khi tiếp tục. Một câu nói tưởng chừng đơn giản vì thế đặt ra nhiều yêu cầu về khả năng hiểu ngôn ngữ, lựa chọn công cụ và phối hợp các bước thực hiện.

Điểm đáng chú ý của LifeMate nằm ở cách đánh giá kết quả thông qua hành động và trạng thái cuối cùng. Một lời xác nhận “đã bật điều hòa” chỉ có ý nghĩa khi đúng thiết bị đã được điều chỉnh về mức nhiệt yêu cầu. Cách chấm này hướng các đội thi đến năng lực thực thi của trợ lý, bởi trong sử dụng thực tế, điều người dùng cần là công việc được hoàn thành chính xác.

Từ góc độ chuyên môn, Tiến sĩ Nguyễn Trường Sơn nhấn mạnh sự khác biệt giữa AI trả lời câu hỏi và AI trực tiếp thực hiện hành động. Nếu một hệ thống hỏi đáp đưa ra thông tin chưa chính xác, người dùng vẫn có thể hỏi lại. Tuy nhiên, khi AI được giao thực hiện công việc, sai sót có thể gây ra những hậu quả thực tế.

Để giải quyết bài toán ấy trong bối cảnh tiếng Việt, các đội thi được tiếp cận bộ dữ liệu huấn luyện gồm những tình huống quen thuộc trong đời sống, thể hiện bằng giọng người thật từ ba miền Bắc, Trung, Nam. Sự đa dạng về cách phát âm và diễn đạt đặt ra yêu cầu phát triển giải pháp có thể thích ứng với nhiều người dùng. Một trợ lý phục vụ đời sống cần tiếp nhận được cách nói tự nhiên của họ, thay vì đòi hỏi mọi người phải ghi nhớ một mẫu câu cố định mỗi khi giao việc.

Hai bảng đấu với 2 đề thi của Zalo AI Challenge 2026.

Thách thức của LifeMate còn đến từ những giới hạn về tài nguyên tính toán. Theo yêu cầu đề thi, toàn bộ hệ thống phải có quy mô dưới 6 tỷ tham số và đáp ứng giới hạn về thời gian xử lý trong quá trình chấm điểm. Điều này đòi hỏi các đội không chỉ phát triển giải pháp có độ chính xác cao mà còn phải tối ưu mô hình để hoạt động hiệu quả trên phần cứng có cấu hình vừa phải. Đây cũng là hướng nghiên cứu quan trọng để những trợ lý AI giọng nói có thể được triển khai rộng rãi hơn trên các thiết bị cá nhân trong tương lai.

“Chúng tôi kỳ vọng các đội phát triển được những AI tác nhân đáng tin cậy, hoạt động nhanh và hiệu quả ngay cả trên thiết bị có tài nguyên hạn chế. AI cần sử dụng đúng công cụ, thực hiện chính xác yêu cầu và biết hỏi lại khi chưa đủ thông tin, đồng thời xử lý tốt tiếng Việt, giọng vùng miền và ngữ cảnh đời sống số tại Việt Nam. Qua đề thi, chúng tôi mong muốn thúc đẩy cộng đồng phát triển thế hệ trợ lý giọng nói mới, nhỏ gọn, có thể hoạt động ngoại tuyến và phù hợp với nhu cầu của người Việt”, ông Sơn chia sẻ.

Với cộng đồng phát triển AI, LifeMate tạo cơ hội rèn luyện năng lực xây dựng một hệ thống kết nối nhiều thành phần, từ xử lý giọng nói, xác định yêu cầu đến sử dụng công cụ và kiểm tra kết quả. Khi một công việc chưa được hoàn thành đúng, các đội cần xác định sai sót nằm ở khâu nào để cải thiện giải pháp. Cơ chế chấm điểm tự động cùng bảng xếp hạng cập nhật theo thời gian thực cho phép các đội liên tục gửi giải pháp, đối chiếu kết quả và điều chỉnh cách tiếp cận.

Lễ trao giải Zalo AI Challenge 2025.

Trải qua 7 mùa giải với 20 bài toán thực tiễn, thu hút hàng nghìn đội thi tham gia, Zalo AI Challenge đã và đang trở thành sân chơi quen thuộc của cộng đồng AI Việt Nam, nơi các kỹ sư, nhà nghiên cứu và tài năng trẻ có cơ hội thử sức, trao đổi kinh nghiệm và phát triển những ý tưởng công nghệ mới. Năm nay, cuộc thi tiếp tục chứng tỏ sức hút của mình khi ghi nhận hơn 2100 đội thi đăng ký sau 2 tuần chính thức khởi tranh.

Với Zalo, việc đưa khả năng giao việc cho AI bằng giọng nói thành thử thách tại Zalo AI Challenge 2026 là cách khuyến khích cộng đồng công nghệ phát triển những giải pháp xuất phát từ nhu cầu thực tế của người Việt. Qua đó, cuộc thi góp phần thúc đẩy năng lực nghiên cứu và phát triển các trợ lý AI có thể đáp ứng những cách giao tiếp, thói quen sử dụng và điều kiện công nghệ đa dạng trong đời sống.