Workflow & Tự động hoá

Mình dùng spark của Gemini lên lịch cào thông tin xong gửi phân tích mỗi sáng!

Xưa phải vô appscript dán code. Giờ tạo yêu cầu nó làm theo. Rất tiện lợi! Gemini Spark là trợ lý AI chạy nền, giúp tự động hóa công việc giữa Gmail, Calendar, Drive, Docs, Sheets, Slides, Keep và Tasks. Nó có thể tóm tắt email, soạn phản hồi, trích deadline, sắp lịch họp, tạo báo cáo, cập nhật bảng tính, làm slide và theo dõi thông tin định kỳ. Ba thành phần chính: Task là việc cần làm, Skill là quy trình thực hiện, Schedule là thời điểm chạy. Nên yêu cầu tạo bản nháp và xác nhận trước khi gửi email, sửa dữ liệu hoặc xóa tệp.

Em hỏi này hơi ngáo ngơ chút

Các bác thường dùng Agent để làm gì v ạ, e thấy mng trên này hay nhắc Agent nhiều nma e làm việc loanh quanh các doanh nghiệp chưa bên nào dám dùng đến ngưỡng Auto Agent ạ, vừa đắt, phản ứng chậm, Nếu quy trình lặp lại thì có workflow + AI ở 1 số công đoạn, nó dạng như n8n nma một số nodes sẽ có AI ấy ạ. Còn nếu cái công việc nào tính lặp lại ko cao mà kiểu tuỳ tình huống sẽ cần xử lý khác nhau, thì Agent vẫn chạy khá lộn xộn chưa thể thay được con người. Đấy là dùng Claude Opus API để làm core phân luồng luôn r đó ạ, nó vẫn lộn xộn và tính rủi ro khá cao cho công việc ở doanh nghiệp, kể cả doanh nghiệp nhỏ. Nên một phần cx muốn tò mò xem các bác dùng Agent được tới mức nào và hiệu quả công việc đến mức nào ạ, có bác nào áp dụng Agent cho doanh nghiệp thành công chưa ạ, hay vẫn đang là Workflow tích hợp AI. Em xin cảm ơn ạ

Đánh đổi 2 triệu đô để được "nấu xói" công ty: Daniel Kokotajlo phơi bày sự thật đằng sau cuộc đua trí tuệ nhân tạo của OpenAI

--- Daniel Kokotajlo - cựu nhân viên nghiên cứu và dự đoán AI của OpenAI. Ông gia nhập OpenAI năm 2022, rời đi năm 2024 và hiện đang điều hành AI Futures Project, một tổ chức phi lợi nhuận quy mô nhỏ chuyên tập trung vào việc dự báo tương lai của trí tuệ nhân tạo. Trong buổi chia sẻ trên podcast The Diary Of A CEO, ông đã vạch trần những góc khuất trong ngành công nghiệp AI. 1. Động lực thực sự của OpenAI: Tìm kiếm quyền lực (Power-seeking) Daniel xác nhận rằng động lực thực sự thúc đẩy các công ty như OpenAI không hẳn là thương mại, mà chính xác là "động lực tìm kiếm quyền lực". Mặc dù tiền bạc rất quan trọng, nhưng giới lãnh đạo cấp cao hiểu rằng cuộc đua này mang ý nghĩa lớn hơn nhiều. Trong vụ kiện của Elon Musk, các email từ năm 2017 đã tiết lộ rằng những nhà sáng lập OpenAI thành lập công ty vì họ lo sợ Demis Hassabis tại Google sẽ trở thành "kẻ độc tài với AGI". Nỗi sợ đối thủ sẽ đạt được sức mạnh trước và trở thành kẻ độc tài đã khiến các vị CEO quyền lực không dám dừng lại, buộc họ phải lao vào cuộc đua khốc liệt để giành vị thế kiểm soát. 2. Sự biến chất trong văn hóa công ty và lý do Daniel Kokotajlo từ chức Khi Daniel mới gia nhập vào năm 2022, nội bộ nhân sự vẫn có quan điểm chung rằng một khi tiến gần đến những hệ thống AI có thể tự động hóa quá trình nghiên cứu, công ty sẽ tạm dừng lại để tìm cách đảm bảo an toàn. Ban đầu, họ biện minh cho việc phải dẫn đầu cuộc đua là để tạo ra không gian thực hiện các biện pháp an toàn, đề phòng các đối thủ như Google sẽ không chịu dừng bước. Tuy nhiên, Daniel dần vỡ mộng khi công ty phình to và chịu nhiều sự soi xét. OpenAI bắt đầu thay đổi cách kể chuyện trước công chúng, cố gắng làm giảm nhẹ rủi ro bằng cách cho rằng công nghệ này thực ra không rủi ro đến thế. Trớ trêu thay, khi công ty liên tục mở rộng và thu hút nhân sự mới bằng mức lương cao, những cuộc thảo luận về siêu trí tuệ và hệ lụy của nó lại ngày càng sụt giảm. Nhận ra công ty chỉ đang ngụy biện, hoạt động như một công ty công nghệ thông thường với phòng PR và cản trở việc xuất bản các nghiên cứu nội bộ, ông đã quyết định từ chức vào năm 2024. 3. Vụ bê bối NDA 2 triệu đô giữa Daniel Kokotajlo và OpenAI Câu chuyện lên đến đỉnh điểm sau khi ông nghỉ việc và nhận được giấy tờ chứa "điều khoản không nói xấu" (anti-disparagement clause), cấm ông chỉ trích công ty mãi mãi. Kèm theo đó là một điều khoản cấm ông tiết lộ về chính bản hợp đồng này với bất kỳ ai. Nếu từ chối ký, OpenAI đe dọa sẽ thu hồi lại toàn bộ cổ phần của ông, trị giá khoảng 2 triệu USD, tương đương 80% tổng tài sản của hai vợ chồng ông lúc bấy giờ. Daniel cảm thấy điều này thật nực cười đối với một tổ chức mang danh phi lợi nhuận vì lợi ích nhân loại, nên sau vài tháng bàn bạc cùng vợ và tham khảo luật sư, ông đã quyết định từ chối ký. Sự việc sau đó bùng nổ trên mạng Internet thành một vụ bê bối lớn, khiến chính nhân viên trong công ty phẫn nộ và chất vấn ban lãnh đạo về việc thu hồi cổ phần. Nhờ sức ép đó, OpenAI đã phải lùi bước, thay đổi giấy tờ và cho phép ông giữ lại số tiền mà không cần ký điều khoản im lặng. Quyết định dũng cảm của Daniel được tóm gọn hoàn hảo trong câu nói của ông ấy: "Money is nice, but it’s not the only thing. Sometimes it’s good to take a stand on principle" (tạm dịch: "Tiền thì tốt thật, nhưng nó không phải là tất cả. Đôi khi, việc giữ vững nguyên tắc của mình mới là điều nên làm") -- Podcast 2 tiếng, mới xem được hơn 20p nên viết đến đây thôi. Bao giờ xem tiếp thì viết tiếp ae nhé :))

Singapore AI Startup đã gọi vốn thành công từ quỹ Insignia Ventures 👀

Và người đứng sau sự thành công đó không ai khác là anh Viet Pham - Founder & CEO của Diaflow. Diaflow không xây thêm một chatbot hay một AI model mới. Họ đang giải một bài toán khó hơn: làm sao để AI có thể làm việc với dữ liệu thật của doanh nghiệp. Thực tế, dữ liệu trong doanh nghiệp thường nằm rải rác ở CRM, ERP, email, file PDF, Excel hay nhiều hệ thống khác nhau. Nếu dữ liệu không được chuẩn hóa và kết nối, AI cũng chỉ có thể trả lời những câu hỏi chung chung. Đó là lý do Diaflow tập trung xây dựng hạ tầng giúp doanh nghiệp thu thập, chuẩn hóa và tự động hóa luồng dữ liệu trước khi AI Agent có thể thực sự tạo ra giá trị. Và tin vui là anh Việt sẽ góp mặt tại The Special AI Forum với vai trò speaker. Nếu bạn đang quan tâm đến AI Agent, dữ liệu doanh nghiệp, automation hay muốn hiểu vì sao nhiều công ty triển khai AI nhưng vẫn chưa tạo ra giá trị thực, mình nghĩ đây sẽ là một phiên chia sẻ rất đáng nghe. Hẹn gặp mọi người tại The Special AI Forum! [https://luma.com/09nj7hiv](https://luma.com/09nj7hiv)

🔥 Camoufox – Trình duyệt "tàng hình" dành cho AI Agent

Nếu bạn từng dùng Playwright để tự động hóa trình duyệt thì chắc cũng gặp tình trạng nhiều website chặn bot, phát hiện trình duyệt headless hoặc từ chối truy cập ngay từ đầu. Đó là lúc Camoufox phát huy tác dụng. Camoufox là một trình duyệt dựa trên Firefox, được tối ưu để hoạt động cùng Playwright với khả năng giảm thiểu các dấu hiệu nhận diện automation. Trình duyệt này tạo fingerprint thực tế hơn, đồng bộ với vị trí địa lý của proxy/IP và giúp AI Agent truy cập nhiều website ổn định hơn so với Playwright thông thường. Dù không thể vượt qua mọi hệ thống chống bot, Camoufox là một trong những lựa chọn rất mạnh cho các tác vụ web automation và scraping hiện nay. 🛠️ Hermes Camoufox Skill giúp làm gì? Mình vừa xây dựng một Hermes Skill giúp Agent Hermes tự động cài đặt và cấu hình Camoufox chỉ với một lệnh. Skill sẽ tự xử lý toàn bộ các bước như: ✅ Cài đặt Camoufox CLI và các thành phần phụ thuộc. ✅ Tải Firefox đã được Camoufox vá sẵn. ✅ Thiết lập môi trường để Hermes sử dụng Camoufox làm browser backend. ✅ Kiểm tra và xác thực quá trình cài đặt sau khi hoàn thành. ✅ Hướng dẫn Agent xử lý các lỗi thường gặp nếu phát sinh. Nhờ đó Agent không cần phải "mò" tài liệu hay thử sai từng bước mỗi lần triển khai. 🤖 Dành riêng cho Hermes AI Box Skill này được thiết kế để hỗ trợ cài Camoufox CLI trực tiếp trên Hermes AI Box, thiết bị headless sử dụng chip ARM64. Sau khi cài đặt, Agent Hermes có thể sử dụng Camoufox cho các tác vụ như: Điều khiển trình duyệt duyệt web như Người thật Truy cập các website có cơ chế chống bot. Thu thập dữ liệu web ổn định hơn. Thực hiện các workflow tự động hóa trên trình duyệt. Đây là một trong những skill rất hữu ích nếu bạn muốn biến Hermes AI Box thành một AI Agent có khả năng thao tác web mạnh mẽ ngay trên thiết bị của mình. Như mọi khi, link SKILL gist bên dưới comment . camoufox #hermesaibox #HermesAI

Muốn dùng AI tự động hoá công việc? Đừng hỏi "dùng tool nào". Đó là câu hỏi SAI đầu tiên.

90% người mình gặp muốn "ứng dụng AI vào công việc" đều sai ngay ở câu đầu tiên. Họ hỏi: "Nên xài n8n hay Zapier?", "Claude, ChatGPT hay Gemini xịn hơn?". Sai. Câu đó không phải đặt đầu tiên. Tự động hoá bằng AI không bắt đầu bằng một cái tool. Nó bắt đầu bằng một tờ giấy trắng và vài câu hỏi đúng. Người làm được việc khác người loay hoay không phải ở chỗ biết nhiều tool hơn — mà ở chỗ hỏi đúng câu, đúng thứ tự. Bài này mình không đưa cho bạn câu trả lời. Mình giúp bạn tự đặt câu hỏi. Vì workflow của bạn không giống ai, và không ai trả lời hộ bạn được. Bước 1: Vẽ được workflow trước đã (đây là 80% của thành công) Trước khi mở bất kỳ tool nào, ngồi xuống trả lời cho rõ một việc: Input đầu vào là gì? Nó từ đâu tới* — Email, Lark, SharePoint, Jira, Notion, hay một folder file lộn xộn? Các bước (steps)* làm tay hiện tại là gì? Liệt kê từng bước một, đừng nhảy cóc. Output* cần ra cái gì? Một file? Một dòng nhập vào hệ thống? Một cái email gửi đi? Data type*: text, pdf, docx, xlsx, csv, ảnh, audio hay video? Public hay Private*? Dữ liệu này lộ ra ngoài có làm sao không? Priority & Time: việc này quan trọng cỡ nào, và hiện tại tốn bao nhiêu giờ*? Nghe đơn giản, nhưng đây là bước 90% người bỏ qua. Và đây là chỗ hay ho: mỗi câu trả lời ở trên tự nó chỉ cho bạn quyết định kỹ thuật tiếp theo, không cần đoán: Input đến từ đâu (data source) → Cần Connector / MCP* nào để lấy dữ liệu Data type là gì → Loại model* phải dùng (text, vision, speech-to-text, OCR, ASR...) Public hay Private → Xài API bên thứ 3 hay phải Open-source, on-prem* Bước nào rủi ro cao → Bước nào để AI tự chạy, bước nào bắt buộc người duyệt (HITL)* Việc nào "đau" nhất → Ưu tiên (priority)* làm cái nào trước Trước tốn X giờ → Có mốc để đo KPI*, xong biết hiệu quả thật hay ảo. Việc nào nhiều sếp đau đầu nè. Nhân viên kêu em có ứng dụng AI nhưng mà tiết kiệm được gì thì không biết. Thấy chưa? Bạn còn chưa đụng vào tool nào mà kiến trúc giải pháp đã hiện ra 70% rồi. Vẽ sai workflow, mọi thứ phía sau sai theo. Bước 2: Chọn tool và AI — và không phải cứ đắt là tốt Đây là chỗ nhiều người đốt tiền oan. Về model: dùng một model đầu bảng, đắt tiền để đi... phân loại email hay trích xuất text từ hoá đơn là đốt tiền. Việc đơn giản thì model nhỏ, rẻ, nhanh làm thừa sức 80% nhu cầu. Câu hỏi đúng không phải "con nào xịn nhất?" mà là "việc này CẦN tới mức thông minh nào?". Về nền tảng: cũng đừng vội. Tự hỏi: Việc lặp đi lặp lại, luồng rõ ràng → nền tảng no-code/low-code* (n8n, Zapier, Dify) là đủ, khỏi viết code. Việc cần AI "suy nghĩ", viết code, xử lý phức tạp → dùng AI coding agent* (Claude, Codex...) hoặc dựng agent riêng. Việc lõi, đặc thù, chạy lâu dài → mới tính tới tự xây platform*. Nguyên tắc: dùng thứ đơn giản nhất giải quyết được việc. Đừng dựng cả cỗ máy AI để bóc một quả trứng. Bước 3, 4, 5: Làm — Đo — và Đừng quên làm hàng rào Bước 3 — Tạo giải pháp: dựng bản chạy được nhỏ nhất trước (MVP), cho chạy thử trên vài case thật. Đừng cầu toàn từ đầu. Bước 4 — Đánh giá và nâng cấp: đây là lý do bước 1 bắt bạn ghi lại "trước tốn bao nhiêu giờ". Không có con số trước — sau, bạn không biết mình đang tiết kiệm thời gian thật hay chỉ đang có cảm giác năng suất. Đo bằng kết quả, không đo bằng độ "ngầu" của cái workflow. Bước 5 — Security, Compliance, Luật AI Việt Nam: cái này quan trọng tới mức mình phải nói thẳng ở phần phản biện bên dưới. Phần này rảnh mình viết chi tiết sau. 🔥 Phần phản biện — mấy thứ mà framework "5 bước đẹp đẽ TRên" hay giấu bạn Mình tự phản biện chính bài này của mình luôn, vì nghề mình là đi tối ưu hệ thống cho người khác: 1. Security KHÔNG phải bước cuối. Nó là hàng rào từ bước 1. Nếu dữ liệu là private (hồ sơ khách, lương, hợp đồng), thì quyết định "on-prem hay API bên ngoài" phải chốt ngay từ đầu. Xây xong hết rồi mới phát hiện "à dữ liệu này không được đẩy ra API nước ngoài" = đập đi làm lại. Compliance và Luật AI VN là ràng buộc xuyên suốt, không phải cái mũ đội vào lúc cuối. 2. Câu hỏi quan trọng nhất lại không nằm trong 5 bước: "Việc này CÓ ĐÁNG tự động hoá không?" Một việc chạy 2 lần/tháng mà tốn 3 tuần dựng pipeline thì tự động hoá để làm gì — lỗ. Trước tất cả, hãy hỏi: tần suất × thời gian tiết kiệm có lớn hơn chi phí xây + nuôi nó không? Không phải việc nào cũng đáng. 3. "Ai nuôi nó khi nó hỏng?" Automation không phải xây xong là xong. API đổi giá, model bị dừng hỗ trợ, connector dừng lúc 2h sáng. Nếu bạn không trả lời được ai own và maintain, thì cái bạn đang xây không phải tài sản — nó là một quả b.om hẹn giờ. 4. Volume quyết định kiến trúc nhiều hơn bạn tưởng. Chạy 10 lần/ngày và chạy 10.000 lần/ngày là hai bài toán hạ tầng khác hẳn nhau (chi phí, rate limit, batch hay real-time). Đừng thiết kế cho cái nhỏ rồi vỡ trận khi scale. 5. HITL không phải điểm yếu — nó là tính năng. Bước nào mà sai là mất tiền, mất khách, không undo được → bắt buộc có người duyệt. "Tự động hoá 100%" nghe sướng tai nhưng đôi khi là liều lĩnh. Người giỏi biết chỗ nào nên buông tay cho AI, chỗ nào phải giữ. Tóm lại: AI không thay bạn tư duy. Nó thực thi cái tư duy đã rõ ràng của bạn. Bạn đặt câu hỏi mờ, bạn nhận kết quả mờ. Bạn vẽ workflow rõ, AI trả lại cho bạn một quy trình tự động hoá rõ ràng Công cụ rồi sẽ đổi. Claude, Codex, N8N, Dify, model này model kia — sang năm lại có thứ mới. Nhưng khả năng đặt đúng câu hỏi thì không bao giờ lỗi thời. Việc nào ở công ty bạn đang "ngứa" nhất, tốn giờ nhất mà bạn muốn giao cho AI? Comment mô tả input – output, mình mổ xẻ workflow giúp cho vui 👇 P/S: Đừng chờ có "tool hoàn hảo" mới bắt đầu. Cứ chọn một việc nhỏ, lặp đi lặp lại, ít rủi ro nhất — vẽ workflow, làm thử. Làm xong một cái nhỏ ra kết quả còn hơn ngồi mơ một hệ thống to đẹp mãi chẳng chạy.