Anthropic vừa cập nhật tính năng mới cho ứng dụng máy tính Claude Cowork, cho phép người dùng ghi lại màn hình thao tác kèm thuyết minh giọng nói để huấn luyện AI thực hiện các tác vụ phức tạp. Bước đi này đánh dấu nỗ lực tiếp theo của Anthropic trong việc biến trợ lý AI thành một cộng sự thực thụ có khả năng tự học hỏi trực tiếp từ hành vi của con người. Theo nguồn tin từ The Decoder, tính năng này giúp biến các thao tác thủ công hàng ngày thành những kỹ năng có thể tái sử dụng một cách tự động.
Bối cảnh & Nguyên nhân
Trước đây, việc hướng dẫn các trợ lý AI thực hiện quy trình công việc (workflows) thường đòi hỏi người dùng phải viết những câu lệnh (prompt) cực kỳ chi tiết hoặc thậm chí phải can thiệp bằng lập trình. Đối với người dùng phổ thông, việc mô tả chính xác từng bước nhấp chuột, chuyển đổi tab hay xử lý dữ liệu trên các phần mềm chuyên dụng là một rào cản rất lớn.
Anthropic nhận ra rằng cách tự nhiên nhất để con người dạy nhau làm việc là "chỉ tay day việc" trực quan. Vì vậy, việc tích hợp khả năng ghi hình và ghi âm trực tiếp vào ứng dụng desktop Claude Cowork là giải pháp nhằm xóa bỏ khoảng cách công nghệ này, giúp cá nhân hóa trải nghiệm tự động hóa cho từng người dùng cụ thể.
Phân tích kỹ thuật & Công nghệ
Về mặt công nghệ, tính năng mới này tận dụng tối đa khả năng xử lý đa phương thức (multimodal learning) của dòng mô hình Claude. Khi người dùng kích hoạt chế độ ghi hình, ứng dụng sẽ thu lại chuỗi hành động trên màn hình, đồng thời ghi nhận giọng nói thuyết minh làm rõ mục đích của từng thao tác.
Hệ thống AI sau đó sẽ phân tích sự tương quan giữa dữ liệu hình ảnh (ví dụ: vị trí nhấp chuột, nút bấm được nhấn) và dữ liệu âm thanh đã được chuyển ngữ cảnh để hiểu rõ quy trình logic. Từ đó, Claude tự động biên dịch toàn bộ quá trình thành một bộ hướng dẫn thực thi có cấu trúc, tạo thành một "kỹ năng" mới được lưu trữ trong thư viện hành động của tác nhân AI này để áp dụng cho các lần sau.
Ý kiến chuyên gia & Nhận định
Mặc dù giải pháp học từ quan sát (learning from demonstration) kết hợp thuyết minh hứa hẹn mang lại sự tiện lợi vượt trội, giới quan sát công nghệ vẫn giữ thái độ thận trọng. Các chuyên gia nhận định rằng giao diện ứng dụng thực tế luôn thay đổi và có nhiều biến số phát sinh, điều này có thể khiến AI gặp khó khăn khi tái hiện lại kỹ năng trong các môi trường khác biệt đôi chút so với video mẫu. Liệu Claude có thể tự động xử lý các lỗi phát sinh (edge cases) mà không cần con người can thiệp hay không vẫn là một thách thức kỹ thuật lớn. Thêm vào đó, việc ghi lại toàn bộ màn hình làm việc cũng dấy lên những lo ngại không nhỏ về vấn đề bảo mật thông tin nhạy cảm của cá nhân và doanh nghiệp.
Tác động & Tương lai
Nếu được tối ưu hóa tốt, công nghệ này có thể mở ra một chương mới cho xu hướng tự động hóa không cần mã nguồn (no-code automation). Đối với cộng đồng công nghệ và người dùng văn phòng tại Việt Nam, khả năng "dạy" AI bằng cách quay màn hình và nói tiếng Việt sẽ giúp tối giản hóa đáng kể quy trình chuyển giao công nghệ, giảm bớt gánh nặng của các công việc lặp đi lặp lại. Thay vì phải tốn hàng giờ thiết lập các hệ thống RPA (Robotic Process Automation) phức tạp, giờ đây bất kỳ ai cũng có thể tự tạo ra những "trợ lý ảo" chuyên biệt cho riêng mình chỉ trong vài phút hướng dẫn bằng video trực quan.