Claude Managed Agents là gì? Bài học xây agent AI an toàn từ video của Anthropic

Claude Managed Agents là dịch vụ của Anthropic giúp doanh nghiệp chạy AI agent mà không phải tự dựng hạ tầng: môi trường chạy cách ly (sandbox), bộ nhớ, quản lý phiên làm việc đều có sẵn. Trong video này, đội ngũ công ty truyền thông Every kể họ đã dùng nó để làm một «đồng nghiệp AI» sống trong Slack, và rút ra nhiều bài học về bảo mật, phân quyền và cách đo chất lượng mà doanh nghiệp vừa và nhỏ Việt Nam có thể học theo.

Nguồn: video Building secure agents for knowledge work của kênh Claude trên YouTube. Bài này là phần tôi diễn giải lại bằng tiếng Việt kèm góc nhìn ứng dụng, không phải bản dịch.

Video nói về điều gì?

Đây là cuộc trò chuyện giữa Katelyn Lesse (Head of Platform Engineering tại Anthropic), Dan Shipper (đồng sáng lập, CEO của Every) và Willie Williams (Head of Platform tại Every). Chủ đề chính là Every Agent, một đồng nghiệp AI do Every tự xây trên Claude Managed Agents.

Các ý lớn mà tôi rút ra:

• Công việc tri thức đang đổi cách làm, và cách học nhanh nhất là thử mô hình mới trên chính việc hằng ngày của mình.
• Một agent chung cho cả công ty hiệu quả hơn việc mỗi người nuôi một agent riêng.
• Agent đặt trong Slack, nơi mọi người đã trò chuyện sẵn, nên cách dùng tốt lan nhanh giữa các đồng nghiệp.
• Đừng tự làm hạ tầng nếu việc đó không phải thế mạnh của bạn.
• Phải tách rõ quyền của từng người khi agent làm việc thay họ.

Every Agent là gì và vì sao đặt trong Slack?

Every Agent là một đồng nghiệp AI sống trong Slack của công ty, giúp các việc lặp lại như tổng hợp báo cáo, đăng bài mạng xã hội hay rà soát nội dung. Điểm đáng chú ý là họ chọn Slack vì đó là chỗ mọi người đã làm việc cùng nhau, không phải vì Slack có gì đặc biệt.

Theo lời kể trong video, ban đầu nhiều người ở Every chạy agent riêng trên máy Mac mini (làn sóng OpenClaw). Kết quả là rất khó bảo trì và dần bị bỏ. Họ chuyển sang một agent dùng chung cho cả công ty. Có những «đại sứ AI» (người thích AI và có bộ cách làm tăng năng suất của riêng mình) mà đồng nghiệp không hiểu họ làm thế nào. Khi mọi người cùng nhắn với agent trong kênh chung, người khác nhìn thấy cách ra lệnh hiệu quả, nên «làm cho xem» thay vì «giải thích mãi».

Với doanh nghiệp Việt, nhiều đội dùng Zalo, Google Chat, Lark hay Telegram thay cho Slack. Ý tưởng không đổi: đặt agent ở nơi nhóm đã chat sẵn. Tôi chưa kiểm tra từng nền tảng hỗ trợ đến mức nào, bạn nên xem tài liệu chính thức trước khi chọn. Nếu bạn muốn hiểu nền tảng trước, bài AI agent là gì giải thích khái niệm từ đầu.

Một agent chung hay mỗi người một agent?

Video cho rằng một agent chung cho cả tổ chức tốt hơn, vì công sức cải thiện của mọi người dồn vào cùng một chỗ. Họ nhận ra khi mỗi người nuôi agent riêng, các cải tiến không lan sang đồng nghiệp. Còn nơi agent làm việc thật sự tốt là nơi nhiều người cùng huấn luyện, thêm kỹ năng và góp ý cho nó.

Tiêu chí	Mỗi người một agent	Một agent chung
Tuỳ biến theo cá nhân	Cao, tự chỉnh theo ý mình	Thấp hơn, phải thống nhất cách làm
Lan toả cách làm hay	Kém, nằm trong máy từng người	Tốt, cả nhóm cùng thấy và dùng
Bảo trì	Tốn công, nhiều chỗ hỏng	Tập trung một chỗ
Rủi ro về quyền truy cập	Khó kiểm soát	Phải thiết kế phân quyền cẩn thận

Cách chung cũng có nhược điểm: nếu thiết kế quyền cẩu thả, một agent thấy mọi thứ là rủi ro lớn. Phần bảo mật bên dưới nói chính xác vấn đề này.

Kate Bench: biến gu của chuyên gia thành kỹ năng cho cả công ty

Kate Bench là ví dụ hay nhất trong video: họ biến cách biên tập của một người giỏi thành một «skill» (kỹ năng) mà agent áp dụng cho mọi bài viết. Kate là tổng biên tập của Every. Ở video, họ kể khi Kate vào công ty chỉ có 4 người, nay là 30 người và lượng bài đăng gấp khoảng mười lần, mà chị vẫn là người biên tập cuối.

Cách họ làm, tôi tóm lại thành vòng lặp:

1. Lấy khoảng 30 nghìn chỉnh sửa trước đây của Kate (con số do người nói trong video) và biến thành một skill nằm trong agent.
2. Ai trong công ty cũng gọi được: «Agent, rà soát bài này» cho bài viết, trang đích hay email.
3. Agent sửa trong Google Docs dưới dạng «gợi ý» (suggestion) mang tên Kate, người viết chấp nhận hoặc từ chối.
4. Kate chỉ xem lại phần còn lại, thấy agent làm được phần lớn, thậm chí bắt được lỗi chị chưa để ý.
5. Phần Kate bổ sung thêm được đưa ngược lại vào skill, nên nó tốt dần theo thời gian.

Góc nhìn đáng giá: câu chuyện chuyển từ «AI có lấy mất việc của tôi không?» thành «tôi là chuyên gia, mọi người nhờ tôi cả ngày, giờ gu của tôi nhân rộng mà tôi không phải làm thêm giờ». Dĩ nhiên đây là lời kể của chính công ty đó, tôi không có cách kiểm chứng độc lập.

Vì sao Every chọn Claude Managed Agents?

Lý do chính là họ không muốn làm đội hạ tầng. Phiên bản đầu (mỗi người một agent) dạy họ rằng hạ tầng khó hơn tưởng. Dan kể mình từng nghĩ chỉ cần nhờ Claude dựng và vận hành một dàn máy chủ, còn Willie bảo là khó; thử một tháng thì Dan công nhận Willie đúng.

Những thứ họ nhắc đến là có sẵn khi dùng Claude Managed Agents:

• Môi trường chạy cách ly (sandbox): mỗi tác vụ chạy trong vùng riêng.
• Bộ nhớ: agent nhớ được thông tin lâu dài.
• Quản lý phiên (session): kiểm soát cuộc trò chuyện nào thấy gì.
• Thử nghiệm tách biệt: sao chép bộ nhớ và trạng thái từ môi trường thật sang môi trường thử để chạy thí nghiệm, ví dụ giảm chi phí token, mà không đụng hệ thống chính.
• Nâng cấp mô hình dễ: theo Willie, khi ra mô hình mới có vài thay đổi cần chú ý, nhưng trên Managed Agents chỉ là cập nhật một dòng.

Còn một ý của Katelyn: mô hình và môi trường chạy không còn tách bạch. Mô hình mà không đi kèm một «máy tính» nó biết dùng thì hiệu quả kém hơn. Tài liệu chính thức nằm ở đường dẫn trong phần mô tả video; tôi khuyên bạn đọc trực tiếp để biết tính năng và giá hiện tại, vì tôi không có số liệu giá để nêu ở đây.

Agent làm việc thay người thì bảo mật thế nào?

Cách Every làm: agent trong Slack hoạt động như một thực thể riêng, có bộ nhớ cô lập, và biết người đang nhắn là ai cùng những gì người đó được phép truy cập. Nói cách khác, cuộc trò chuyện là giữa hai thực thể riêng biệt, không phải agent «mượn tài khoản» của ai.

Điều này quan trọng vì khi đặt agent vào công ty, người ta đối xử với nó như con người. Họ nhờ những việc vùng xám, kiểu «bạn biết là tôi xem báo cáo này cũng không sao mà». Con người hiểu ngầm, còn agent thì khó mã hoá những phán đoán này. Nên mục tiêu của Every là cho agent hành xử gần giống người nhất có thể trong Slack, nhưng quyền thì tách rõ.

Nhờ cách ly sẵn có, họ quyết định được ai truy cập gì và khi nào: nếu Dan hỏi cùng câu với Willie thì có nhận cùng kết quả không, bộ nhớ nào gắn vào yêu cầu, sandbox giống hay khác nhau.

Đây là cách tôi áp lại cho doanh nghiệp Việt, không phải nội dung video:

• Nhân viên kho không nên hỏi agent ra bảng lương.
• Kế toán xem được công nợ nhưng sale không nên xem giá vốn.
• Mỗi lần thêm nguồn dữ liệu cho agent, hãy hỏi trước: người nào hỏi thì được thấy gì?

Đo agent bằng bài test của riêng mình thay vì bảng xếp hạng

Every không tin vào điểm chuẩn chung (benchmark). Câu hỏi họ quan tâm là mô hình này tốt đến đâu với loại việc chúng tôi làm. Họ gọi cách làm đầu là «vibe check»: được truy cập sớm mô hình mới, thử tay trên nhiều quy trình thật, rồi chia sẻ cảm nhận.

Vì cách đó thủ công và tốn thời gian, họ bắt đầu ghi lại mỗi lần thấy mô hình làm tốt hoặc dở, giải thích lý do, rồi biến thành bộ bài kiểm tra giống unit test. Ví dụ trong Kate Bench: tiêu đề phải viết hoa theo kiểu câu (sentence case). Sau đó chạy nhiều mô hình trên cùng một tình huống để xem mô hình nào làm tốt theo gu của họ.

Bạn không cần lập trình mới làm được. Một bảng Google Sheet với ba cột «Tình huống», «Kết quả mong muốn», «Đạt/Không đạt» đã là bộ test sơ khai. Mỗi khi đổi mô hình hay đổi hướng dẫn, chạy lại danh sách đó.

Doanh nghiệp vừa và nhỏ Việt Nam áp dụng thế nào?

Bạn không cần dựng Every Agent. Phần đáng học là tư duy: gom cách làm của người giỏi thành kỹ năng dùng chung, đặt agent ở nơi nhóm đang làm việc, phân quyền theo người, và đo bằng việc của chính mình.

Ví dụ giả định (không phải khách hàng thật): một công ty phân phối vật tư ở TP.HCM có chị kế toán trưởng rất kỹ trong việc kiểm tra hồ sơ thanh toán. Nhân viên mua hàng thường nộp thiếu chứng từ nên chị mất nhiều giờ nhắc.

1. Chọn một việc lặp lại, có tiêu chuẩn rõ: kiểm tra bộ hồ sơ đề nghị thanh toán.
2. Viết quy tắc ra giấy: cần hoá đơn, báo giá, phiếu nhập kho; số tiền khớp; ai ký. Đây chính là một SOP, xem thêm số hoá quy trình nội bộ.
3. Cho agent rà soát theo quy tắc và chỉ gợi ý, người nộp hồ sơ tự sửa.
4. Kế toán trưởng chỉ xem phần còn lại và ghi lại quy tắc mới vào danh sách.
5. Phân quyền: agent chỉ xem hồ sơ của người đang hỏi, không thấy toàn bộ sổ sách.

Việc lặp lại	Quy tắc cần ghi ra	Người duyệt cuối
Kiểm tra hồ sơ thanh toán	Chứng từ bắt buộc, ngưỡng tiền cần cấp trên ký	Kế toán trưởng
Soát bài đăng fanpage	Giọng điệu, từ cấm, định dạng	Trưởng marketing
Trả lời hỏi đáp chính sách nội bộ	Quy chế, phúc lợi, quy định nghỉ phép	Nhân sự

Ví dụ thứ ba giống chuyện Every kể về kỳ đăng ký bảo hiểm hằng năm (open enrollment): agent biết mọi gói và biết bạn là ai nên giúp chọn gói hợp. Ở Việt Nam, bạn có thể tương tự với chính sách phúc lợi hay quy chế nghỉ phép.

Góc nhìn của tôi: nên tự dựng hay dùng dịch vụ có sẵn?

Với đa số doanh nghiệp nhỏ, chưa cần tự dựng hạ tầng agent. Tuy vậy mỗi hướng có đánh đổi, và tôi muốn nói công bằng.

• Dịch vụ quản lý sẵn như Claude Managed Agents: đỡ lo hạ tầng, cách ly và bộ nhớ có sẵn. Nhược điểm là phụ thuộc nhà cung cấp, và bạn nên tự kiểm tra giá, vị trí lưu dữ liệu, điều khoản trước khi đưa dữ liệu nhạy cảm vào.
• Tự chạy agent trên máy riêng: toàn quyền kiểm soát, nhưng như Every kể, bảo trì khá nặng. Bài Hermes Agent vs OpenClaw so sánh hai hướng tự chạy này.

Cũng cần lưu ý: video do chính Anthropic đăng, Every là đơn vị đang dùng sản phẩm, nên đây là góc nhìn thuận lợi cho cả hai bên. Điều đáng giữ lại là bài học về cách làm, không phải lời quảng bá.

Tóm tắt và bước tiếp theo

Ba ý chính: đặt một agent chung ở nơi cả nhóm làm việc; biến gu của người giỏi thành skill và cho skill học tiếp từ chỉnh sửa của họ; tách quyền theo từng người và đo bằng bài test của chính bạn.

Bạn có thể bắt đầu ngay trong tuần này:

1. Chọn một việc lặp lại mà một người giỏi trong công ty đang là «nút cổ chai».
2. Viết 10 quy tắc họ hay sửa nhất.
3. Lập bảng Sheet «Tình huống – Kết quả mong muốn – Đạt/Không đạt» với khoảng 10 dòng.
4. Thử với một công cụ AI bất kỳ, rồi chạy lại bảng sau mỗi lần chỉnh.

Nếu muốn đọc tiếp, bài Claude Tag là gì nói về việc đưa AI vào kênh chat của cả đội.