# Bài viết Liên quan Tự động hóa

Trung tâm Tin tức HTX cung cấp những bài viết mới nhất và phân tích chuyên sâu về "Tự động hóa", bao gồm xu hướng thị trường, cập nhật dự án, phát triển công nghệ và chính sách quản lý trong ngành tiền kỹ thuật số.

Codex và ChatGPT hợp nhất, cuộc đại phân định công cụ lập trình bắt đầu

OpenAI đang chuyển trọng tâm từ ChatGPT sang Codex, thông báo hợp nhất ba sản phẩm Codex, ChatGPT và Atlas thành một siêu ứng dụng desktop trong vài tuần tới. Động thái này phản ánh nhận thức nội bộ rằng Codex, ban đầu là công cụ lập trình, mới đại diện cho hình thái AI thế hệ tiếp theo. Lý do là trong khi ChatGPT trả lời câu hỏi, Codex giải quyết công việc thực tế. Điều này mang lại giá trị hơn cho doanh nghiệp. Codex đã phát triển từ công cụ bổ sung code thành "đại lý AI" có khả năng gọi công cụ và xử lý tác vụ phức tạp, với người dùng hoạt động hàng tuần tăng lên hơn 5 triệu. Đáng chú ý, 40% người dùng mới gần đây không phải là nhà phát triển, mà là các nhà phân tích, quản lý đầu tư, người làm marketing, quản lý sản phẩm... Điều này cho thấy Codex đang trở thành nền tảng cho lao động tri thức. OpenAI cũng giới thiệu sáu plugin phục vụ các vai trò nghề nghiệp khác nhau, nhắm mục tiêu tái cấu trúc cách thức làm việc của công việc văn phòng. Tham vọng lớn hơn của OpenAI là định hình lại phần mềm tương lai. Với tính năng mới "Sites", Codex có thể tạo website tương tác từ tài liệu, biến các báo cáo hay mô hình phân tích thành trang web tự động cập nhật. Mô hình đang chuyển dịch từ việc người dùng học phần mềm sang việc AI hiểu công việc và tự động gọi các công cụ cần thiết để hoàn thành mục tiêu, biến Codex thành một "nhân viên kỹ thuật số".

marsbit6 giờ trước

Codex và ChatGPT hợp nhất, cuộc đại phân định công cụ lập trình bắt đầu

marsbit6 giờ trước

GitHub Bị Thủng Lỗ Do AI

Ngày 9/2, GitHub gặp sự cố toàn diện với cảnh báo vàng và nhiều dịch vụ như API, Actions, Copilot ngừng hoạt động. Nguyên nhân cốt lõi xuất phát từ việc giảm thời gian làm mới cache cấu hình người dùng từ 12 giờ xuống 2 giờ, gây ra "cơn bão" làm mới cache tập trung và dẫn đến hiệu ứng domino làm tê liệt cơ sở dữ liệu xác thực. Đây không phải là sự cố duy nhất. Đầu năm 2026, GitHub ghi nhận ít nhất 8 sự cố lớn trong 3 tháng, không duy trì được cam kết 99,9% khả dụng. Mô hình tăng trưởng tải đã thay đổi triệt để: AI Agent đang trở thành "người dùng" tích cực nhất. Chỉ riêng Claude Code đóng góp 4,5% commit công khai, tăng 25 lần trong 3 tháng. Lượng commit dự kiến năm 2026 có thể gấp 14 lần năm 2025. Các luồng làm việc của Agentic AI, chạy song song và liên tục, gây áp lực chưa từng có lên cơ sở hạ tầng được thiết kế cho nhịp độ của con người. Đồng thời, mô hình định giá theo chỗ ngồi của Copilot bị phá vỡ khi một số ít người dùng nặng có thể tiêu thụ tài nguyên tính toán trị giá hàng trăm USD với mức phí thấp. GitHub đã phải chuyển sang tính phí theo lượng sử dụng từ ngày 1/6. Để đối phó, GitHub không chỉ mở rộng quy mô mà cần **thiết kế lại kiến trúc** cho quy mô gấp 30 lần hiện tại, bao gồm tách biệt dịch vụ, ngăn chặn lỗi lan truyền và quản lý thay đổi chặt chẽ hơn. Bản chất vấn đề không chỉ là lưu lượng tăng mà là sự thay đổi trong cách sử dụng. GitHub, từ nền tảng cộng tác của con người, đang dần trở thành "ống xả" cho các quy trình làm việc tự động của AI. Sự cố này không đơn thuần là một lỗi kỹ thuật, mà là tín hiệu cho thấy ngành công nghiệp phát triển phần mềm đã bước vào một kỷ nguyên mới.

marsbit7 giờ trước

marsbit7 giờ trước

Claude Code Ra Mắt Luồng Công Việc Động: Giúp AI Tự Biết Tổ Chức Đội Nhóm Làm Việc

Claude Code đã giới thiệu "Workflows động", một tính năng cho phép AI tự động tổ chức và điều phối nhiều agent (tác nhân) con để cùng hợp tác xử lý các nhiệm vụ phức tạp. Thay vì một agent duy nhất xử lý toàn bộ công việc trong một ngữ cảnh dài, workflow động sẽ tạo ra một khuôn khổ thực thi linh hoạt: chia nhỏ nhiệm vụ, phân phối cho các agent con chạy song song, kiểm tra chéo, lặp lại và thậm chí cho các agent cạnh tranh nhau, trước khi tổng hợp kết quả cuối cùng. Tính năng này nhằm khắc phục các hạn chế của mô hình đơn agent như: "tính lười biếng" (dừng sớm), "thiên vị tự tham chiếu" (ưu tiên kết quả của chính mình) và "trôi mục tiêu" (sai lệch so với yêu cầu ban đầu sau nhiều lượt xử lý). Workflow động mở rộng phạm vi ứng dụng của Claude Code từ các tác vụ lập trình thuần túy (di chuyển mã, tái cấu trúc, review) sang các công việc phi kỹ thuật như nghiên cứu sâu, xác minh sự kiện, sàng lọc hồ sơ, phân tích nguyên nhân gốc rễ hay động não đặt tên. Bài viết giới thiệu các mẫu prompt ví dụ và các mô hình phổ biến khi thiết kế workflow, như: phân loại & định tuyến, phân tách & tổng hợp, xác minh đối kháng, tạo & sàng lọc, giải đấu loại trực tiếp và vòng lặp cho đến khi hoàn thành. Tuy workflow động tiêu thụ nhiều token hơn và không phải lúc nào cũng cần thiết cho các tác vụ thông thường, nhưng nó đánh dấu một hướng phát triển quan trọng: tương lai của công cụ AI không chỉ nằm ở trí thông minh của một mô hình đơn lẻ, mà còn ở khả năng tổ chức các quy trình thực thi phức tạp, đáng tin cậy, có thể tái sử dụng và kiểm tra được.

marsbit16 giờ trước

Claude Code Ra Mắt Luồng Công Việc Động: Giúp AI Tự Biết Tổ Chức Đội Nhóm Làm Việc

marsbit16 giờ trước

Sau 540 nghìn dòng code, Garry Tan nhận ra trò chơi lập trình cũ cùng AI đã kết thúc

Bài viết từ Garry Tan, Chủ tịch Y Combinator, chia sẻ nhận thức sâu sắc sau khi xây dựng dự án "Garry's List" với 540.000 dòng code bằng Rails và AI Agent. Ông phát hiện ra giá trị thực sự không nằm ở khối lượng code khổng lồ đó, mà ở "GStack" – một framework phát triển mới xoay quanh luồng làm việc của AI Agent. Ông chỉ trích cách tiếp cận phổ biến hiện nay: bao bọc các mô hình LLM thông minh bằng hàng núi code kiểm soát, kiểm tra, logic giám sát – giống như xây dựng một "nhà máy Foxconn" để kiềm chế một công nhân AI siêu thông minh vốn có khả năng tự hoàn thành công việc. Khi chi phí LLM giảm mạnh và năng lực tăng, trọng tâm phát triển phần mềm cần chuyển từ "viết nhiều code hơn" sang "thiết kế nhiều khả năng hơn". Giải pháp được đề xuất là xây dựng "skill pack" (gói kỹ năng) bằng Markdown – các module năng lực có thể kiểm tra và tái sử dụng, cho phép Agent tự động tạo code, hệ thống kiểm thử và đánh giá. Điều này biến các luồng công việc phức tạp thành tài sản năng lực có thể tích lũy. Ví dụ, việc đánh giá một hackathon với 85 dự án giờ có thể được Agent hoàn thành trong 30 phút thay vì vài ngày. Bài học cốt lõi: Khi code không còn là nguồn lực khan hiếm, năng lực cạnh tranh của kỹ sư chuyển dịch. Tương lai thuộc về những người có thể phán đoán điều gì đáng xây dựng, định nghĩa vấn đề và biến kinh nghiệm thành năng lực tái sử dụng, thay vì chỉ viết thật nhiều code. Kỹ sư giỏi nhất có thể là người viết ít code nhất nhưng giải phóng được nhiều trí tuệ nhất.

marsbitHôm qua 21:41

Sau 540 nghìn dòng code, Garry Tan nhận ra trò chơi lập trình cũ cùng AI đã kết thúc

marsbitHôm qua 21:41

Phỏng vấn 7 nhân viên văn phòng bình thường: Sau khi AI đến, bạn có ổn không?

Cuộc phỏng vấn với 7 người lao động bình thường đã tiết lộ những thay đổi sâu sắc mà AI mang đến cho môi trường làm việc. Các chuyên gia từ Web3, thương mại hóa chất, nông nghiệp số, sản xuất thông minh đến bán buôn truyền thống đều thừa nhận AI đã trở thành công cụ không thể thiếu, chủ yếu để **giảm chi phí, tăng hiệu suất** và tự động hóa. Những thay đổi rõ rệt nhất nằm ở cách thức làm việc và tư duy. Các kỹ sư phần mềm nhận thấy AI giải quyết vấn đề coding, kiến trúc và sáng tạo nhanh chóng, dẫn đến "lập trình theo cảm hứng". Công việc tìm kiếm, sáng tạo nội dung và học tập trở nên hiệu quả hơn 50%, cho phép một người nắm bắt 80% kiến thức mới trong thời gian ngắn. Sự phân cực giữa người biết dùng và không dùng AI ngày càng lớn. Tuy nhiên, làn sóng hiệu quả này đi kèm với những lo ngại. **Áp lực cạnh tranh được đẩy lên cấp độ mới**: AI mở rộng phạm vi công việc, đòi hỏi con người phải liên tục học công cụ mới và nâng cao khả năng phán đoán, xác minh đầu ra của AI. Nhiều người cảm thấy lo lắng về việc bị đào thải và thu hẹp cơ hội nghề nghiệp. Các vị trí như thư ký, kế toán, tuyển dụng, CSKH, lập trình viên cơ bản và họa sĩ được dự đoán sẽ giảm mạnh. Một số ý kiến cho rằng AI tạo ra "sự bình đẳng toàn ngành", thu hẹp khoảng cách giữa người mới và chuyên gia, khiến người giỏi càng giỏi hơn. Để tồn tại, các chuyên gia nhấn mạnh việc xây dựng **"hào thành" của con người** mà AI khó thay thế: khả năng hiểu ngữ cảnh nghiệp vụ sâu, phán đoán rủi ro, đưa ra quyết định cuối cùng, xử lý các tình huống bất thường phức tạp và chịu trách nhiệm. Giao tiếp cá nhân hóa, đánh giá dựa trên kinh nghiệm thực tế và xử lý các dự án siêu lớn vẫn cần con người. Định hướng tương lai là trở thành **người chịu trách nhiệm cho hệ thống phức tạp**, **người điều phối siêu cấp** quản lý các AI Agent, hoặc phát triển kỹ năng như giảng dạy, xây dựng thương hiệu cá nhân và nhạy bén thị trường. Mức độ phụ thuộc vào AI khác nhau, từ trung bình đến nặng. Các công cụ như Claude Code, GPT, Gemini được đánh giá cao trong các lĩnh vực cụ thể. Kết luận chung là AI không còn là một lựa chọn, mà là một xu thế bắt buộc. Ranh giới nghề nghiệp cũ đang bị phá vỡ, đòi hỏi mỗi người phải không ngừng học hỏi và thích ứng để định vị lại giá trị trong một hệ thống mới đang hình thành.

marsbit06/01 08:20

Phỏng vấn 7 nhân viên văn phòng bình thường: Sau khi AI đến, bạn có ổn không?

marsbit06/01 08:20

Sau khi đốt cháy hàng chục tỷ USD cho Token, các ông lớn ở Thung lũng Silicon bắt đầu hạn chế lượng Token nhân viên sử dụng

Vài ngày trước, Microsoft đã dừng cấp phép Claude Code cho phần lớn nhân viên. Đây không phải là trường hợp duy nhất, khi các công ty lớn ở Thung lũng Silicon đang chuyển hướng sang hạn chế và giám sát việc nhân viên sử dụng AI, sau một thời gian thúc đẩy sử dụng tối đa token. Hiện tượng "tokenmaxxing" (tối đa hóa token) bắt đầu phổ biến từ 2025, xuất phát từ quan niệm rằng nhân viên càng dùng nhiều AI thì càng chuyển đổi số tốt. Hậu quả là nhiều người dùng mô hình AI doanh nghiệp đắt tiền cho các tác vụ không quan trọng. Nghiên cứu chỉ ra cứ mỗi đô la chi cho token AI thì có 0.44 đô la dùng để sửa lỗi do AI tạo ra và 0.27 đô la để viết lại mã code từ AI. Cuộc khủng hoảng chi phí đã bùng nổ. Báo cáo của JPMorgan cảnh báo "Chi phí Token AI đang ăn mòn lợi nhuận Internet". Chỉ 14% CFO thấy được lợi tức đầu tư (ROI) rõ ràng từ AI. Vấn đề cốt lõi là tăng hiệu suất cá nhân không đồng nghĩa với tăng trưởng doanh thu cho công ty. Các lãnh đạo như Andrew Macdonald của Uber thừa nhận khó liên kết việc tăng năng suất cá nhân với tác động kinh doanh tổng thể. Sophia Velastegui, cựu Giám đốc AI của Microsoft, nhận xét các công ty thường tự động hóa những công việc nhân viên "ghét" thay vì những việc "tạo ra tiền". Để đối phó, các công ty như Salesforce đang tìm kiếm giải pháp như "bộ định tuyến thông minh" để phân bổ tác vụ cho mô hình phù hợp, tối ưu chi phí. Trên thị trường, các công cụ quản lý chi phí AI như của Harness và CloudZero đang xuất hiện. Một số nhà cung cấp như HubSpot cũng chuyển đổi mô hình định giá từ tính phí theo token sang tính phí theo kết quả (như số cuộc hội thoại giải quyết được). Đây được coi là cơn đau chuyển đổi cần thiết cho ngành công nghiệp AI. Tuy nhiên, bài học lớn hơn là các công ty cần tái thiết kế quy trình làm việc và mô hình kinh doanh xung quanh AI, thay vì chỉ dùng nó để thực hiện công việc cũ một cách nhanh hơn. Nếu không, hóa đơn token sẽ tiếp tục là gánh nặng.

marsbit06/01 04:08

Sau khi đốt cháy hàng chục tỷ USD cho Token, các ông lớn ở Thung lũng Silicon bắt đầu hạn chế lượng Token nhân viên sử dụng

marsbit06/01 04:08

"Công ty một người" bùng nổ: Người kiếm trăm triệu mỗi năm, kẻ thu nhập co lại 90%

"Mô hình 'công ty một người' (One Person Company - OPC) đang trở thành xu hướng trong thời đại AI, cho phép cá nhân khởi nghiệp độc lập với chi phí thấp. Năm 2026 được coi là năm khởi đầu, với hơn 16 triệu OPC tại Trung Quốc. Tuy nhiên, thành công không phải là điều đảm bảo, với hơn 52% có thu nhập dưới 7.000 tệ/tháng. Bài viết chia sẻ câu chuyện của bốn nhà sáng lập: • **Anh Zhang (lĩnh vực game):** Phát triển 6 game tương tác bullet chat (đạn màn hình) trong một năm, doanh thu ~200 triệu tệ, thu nhập cá nhân 80-100 triệu tệ. AI đảm nhận ~70% công việc đồ họa và hỗ trợ viết code, giúp giảm chi phí sản xuất từ 2 triệu tệ xuống còn 1.000-1.500 tệ/game và rút ngắn chu kỳ phát triển từ 2-4 tháng xuống còn 15 ngày. • **Chị October (nghiên cứu vật liệu tại Nhật Bản):** Thu nhập gấp ~3 lần mức lương văn phòng trung bình, đạt ~150 triệu yên/năm. AI được sử dụng cho mọi công đoạn như dịch thuật, tư vấn pháp lý, xử lý đơn hàng. Thị trường Nhật ít cạnh tranh khốc liệt nhưng rào cản ngành và yêu cầu tín dụng rất cao. • **Anh Xiao Tao (công nghệ sinh học):** Thu nhập tăng gấp đôi so với đi làm thuê. Anh sử dụng AI Agent (như DeepSeek, Claude) để tự động hóa ~80% công việc phân tích dữ liệu và báo cáo lặp đi lặp lại, tập trung vào 20% công việc đòi hỏi phán đoán chuyên môn và giao tiếp với khách hàng. • **Anh A Yuan (thương mại điện tử xuyên biên giới):** Chuyển từ vị trí vận hành tại tập đoàn lớn (thu nhập ~6 triệu tệ/năm) sang khởi nghiệp OPC ở thị trường Mexico. AI thay thế ~60% công việc như chọn sản phẩm, tạo nội dung. Tuy nhiên, sau 2 tháng, doanh thu chỉ đạt hơn 10.000 tệ, lợi nhuận khoảng 1.000 tệ, thu nhập giảm ~90%. Anh khuyên không nên khởi nghiệp bồng bột và nhấn mạnh giá trị học hỏi thực tế từ việc tự kinh doanh. Các câu chuyện cho thấy AI là công cụ đắc lực giảm chi phí, rút ngắn thời gian và tự động hóa, nhưng không đảm bảo thành công. Yếu tố then chốt vẫn là kinh nghiệm ngành, khả năng sáng tạo, quản lý, nguồn khách hàng và hiểu biết về thị trường cụ thể. Mô hình OPC phù hợp nhất với những người có chuyên môn sẵn và nguồn lực khách hàng, chứ không phải cho người mới bắt đầu hoàn toàn."

marsbit06/01 02:52

"Công ty một người" bùng nổ: Người kiếm trăm triệu mỗi năm, kẻ thu nhập co lại 90%

marsbit06/01 02:52

Từ Token đến Lao động Máy móc: AI đang chuyển từ Công cụ thành 'Người lao động'

Từ công cụ thành "công nhân": AI đang trở thành lực lượng lao động máy móc Bài viết phân tích sự chuyển dịch trong thị trường AI: từ việc bán token hay giờ GPU đơn thuần, sang một thị trường "lao động máy móc" mới, nơi chính công việc được hoàn thành bởi phần mềm trở thành đối tượng được định giá và giao dịch. Tác giả dự đoán cơ chế định giá AI sẽ phát triển qua bốn giai đoạn: token thô -> thị trường năng lực LLM tiêu chuẩn hóa -> thị trường lao động theo ngành -> thị trường kết quả có thể lập trình. Trong tương lai, doanh nghiệp có thể không còn quan tâm công việc do model hay GPU cụ thể nào thực hiện, mà chỉ quan tâm liệu nó có được giao đúng tiêu chuẩn về độ trễ, độ chính xác, độ tin cậy và chi phí hay không. Điều này cũng làm thay đổi vai trò của con người, chuyển sang giám sát, chịu trách nhiệm, quản lý ngữ cảnh và đưa ra phán quyết cuối cùng - những yếu tố có thể trở nên có giá trị hơn. Bài viết nhấn mạnh AI không chỉ đơn thuần thay thế lao động mà mở rộng thị trường tổng thể. Khi chi phí công việc giảm, nhu cầu có thể tăng lên, tạo ra những loại hình công việc và dịch vụ mới khả thi về mặt kinh tế. Thị trường lao động máy móc sẽ bắt đầu từ những công việc có thể được xác định rõ ràng và đo lường được, hướng tới việc biến lao động máy móc thành một yếu tố sản xuất mới có thể được thu mua, thanh toán và giao dịch.

marsbit05/31 12:35

Từ Token đến Lao động Máy móc: AI đang chuyển từ Công cụ thành 'Người lao động'

marsbit05/31 12:35

260 tỷ USD, "đội hình toàn Hoa" làm nên công ty lập trình AI có định giá cao nhất toàn cầu

260 tỷ USD, công ty lập trình AI Cognition với đội ngũ sáng lập toàn người Hoa đã trở thành công ty AI lập trình có định giá cao nhất toàn cầu sau vòng gọi vốn mới. Chỉ sau hơn 8 tháng kể từ khi đạt mốc định giá 102 tỷ USD, Cognition AI đã huy động thành công hơn 10 tỷ USD với định giá sau đầu tư lên tới 260 tỷ USD. Vòng này do các quỹ Lux Capital, General Catalyst và 8VC dẫn đầu. Cognition nổi tiếng với "kỹ sư phần mềm AI" đầu tiên trên thế giới tên là Devin. Tuy nhiên, sau khi gây sốt ban đầu, Devin vấp phải những nghi ngờ về khả năng thực sự và tỷ lệ hoàn thành nhiệm vụ không cao trong môi trường thực tế, cùng với mức giá khởi điểm cao. Bước ngoặt quan trọng giúp Cognition định hình lại câu chuyện là việc mua lại tài sản còn lại của Windsurf, một công ty IDE AI. Điều này giúp Cognition bổ sung một công cụ phát triển tích hợp AI mà các lập trình viên có thể kiểm soát trực tiếp, bên cạnh mô hình agent tự trị Devin xử lý công việc bất đồng bộ. Sự kết hợp "hai chân" này cho phép Cognition phục vụ cả nhu cầu hỗ trợ viết code hàng ngày và nhu cầu tự động hóa các tác vụ kỹ thuật có thể ủy thác cho doanh nghiệp. Dữ liệu tăng trưởng ấn tượng - lượng sử dụng doanh nghiệp tăng hơn 10 lần trong năm nay, run-rate doanh thu đạt 492 triệu USD - cùng danh sách khách hàng lớn như Goldman Sachs, Mercedes-Benz, NASA, Lục quân & Hải quân Mỹ đã thuyết phục các nhà đầu tư. Họ không chỉ nhìn thấy một công cụ cho lập trình viên, mà là tiềm năng trở thành hạ tầng cơ sở mới cho kỹ thuật phần mềm doanh nghiệp trong kỷ nguyên AI.

marsbit05/31 10:26

260 tỷ USD, "đội hình toàn Hoa" làm nên công ty lập trình AI có định giá cao nhất toàn cầu

marsbit05/31 10:26

Thời đại của người dùng Agent, giá trị mã hóa sẽ đi về đâu?

Nếu Agent thực sự trở thành tỷ người dùng tiếp theo của blockchain, câu hỏi quan trọng không phải là "chúng sẽ tạo ra bao nhiêu khối lượng giao dịch", mà là trong thế giới đó, ai sẽ kiếm được tiền? Các lý thuyết trước đây như "giao thức béo" hay "ứng dụng béo" đều giả định người dùng là con người. Con người quan tâm đến trải nghiệm, thương hiệu và sự tiện lợi, vì vậy tầng ứng dụng nắm bắt giá trị thông qua việc kiểm soát điểm vào và luồng giao dịch. Tuy nhiên, Agent thì khác. Chúng gọi trực tiếp API, không có lòng trung thành với thương hiệu và có thể chuyển đổi giữa các giao thức, bộ tổng hợp và địa điểm giao dịch với chi phí thấp. Điều này có nghĩa là Agent có thể viết lại logic phân phối giá trị trong Web3. Tầng ứng dụng có thể chuyển sang "không đầu", mở khả năng ví, tổng hợp và chuyển đổi tiền thành API hướng tới Agent. Tầng giao thức cũng có thể có cơ hội mới khi Agent bỏ qua các lớp trung gian. Nhưng kịch bản triệt để hơn là Agent sẽ đẩy toàn bộ ngăn xếp trên chuỗi vào cạnh tranh giá, làm giảm biên lợi nhuận của ứng dụng, bộ tổng hợp và cơ sở hạ tầng xuống gần với chi phí biên. Điều đáng chú ý là Agent không chỉ làm cho các giao dịch hiện có trở nên thường xuyên hơn, mà còn có thể tạo ra các hoạt động mới trước đây không khả thi: cân bằng lại danh mục đầu tư liên tục, thanh toán máy với máy và các loại thị trường mới chỉ có ý nghĩa khi thực thi tự động tốc độ cao. Do đó, câu hỏi cốt lõi trong kỷ nguyên Agent không phải là đánh giá đơn giản giá trị sẽ chảy về giao thức hay ứng dụng, mà là xem ai có thể khiến Agent, với vô số lựa chọn thay thế, vẫn quay trở lại. Câu trả lời có thể không còn là UX và thương hiệu, mà là tính thanh khoản, độ trễ, sự chắc chắn trong quyết toán, hoặc một mô hình kinh doanh mới nào đó chưa được đặt tên ngày nay.

marsbit05/28 08:34

Thời đại của người dùng Agent, giá trị mã hóa sẽ đi về đâu?