Bài 1 — Bức tranh tổng thể: Agent Họp làm được gì và pipeline 5 bước

Mỗi tuần bạn mất bao nhiêu giờ để gõ biên bản họp, gạch đầu dòng "ai làm gì", rồi tuần sau lại quên nhắc? Một Agent Họp là hệ thống tự động hóa toàn bộ chuỗi này: từ file ghi âm cho tới lúc task được đóng trên Jira/Trello. Bài này vẽ toàn cảnh để bạn biết mình sẽ xây gì trong 8 bài.

Agent Họp không phải là một mô hình AI duy nhất

Sai lầm phổ biến của người mới là nghĩ "tôi ném file audio vào ChatGPT là xong". Thực tế, Agent Họp là một pipeline — nhiều bước nối tiếp, mỗi bước có công cụ riêng, và một "bộ điều phối" (orchestrator) ghép chúng lại. Đây là kiến trúc agentic điển hình: LLM ra quyết định, tool thực thi.

Pipeline 5 bước

[1] Ingest audio  →  [2] Transcribe  →  [3] Summarize
                                              ↓
[5] Follow-up  ←  [4] Extract & Assign action items

• Ingest: nhận file (Zoom/Meet/điện thoại ghi âm), chuẩn hóa định dạng (mp3/wav), gắn metadata (ai họp, khi nào, chủ đề).
• Transcribe: chuyển giọng nói thành văn bản, kèm dấu thời gian và nhãn người nói (speaker diarization).
• Summarize: tóm tắt theo cấu trúc — quyết định, thảo luận, rủi ro.
• Extract & Assign: trích action item dạng có cấu trúc (việc / người / hạn) và gán vào công cụ quản lý.
• Follow-up: theo dõi trạng thái, nhắc người phụ trách trước hạn, tổng hợp việc quá hạn.

Ví dụ cụ thể

Cuộc họp sprint planning 45 phút của nhóm Vietnamcos. Sau khi họp xong, trợ lý upload file .m4a vào một thư mục Drive. Trong 3 phút:

• Transcript đầy đủ có nhãn "Khang", "Lan", "Minh".
• Bản tóm tắt gửi vào kênh Telegram nhóm.
• 4 action item tự tạo trên Trello, gán đúng người, hạn đúng ngày.
• 2 ngày sau, agent nhắn riêng Minh: "Task X đến hạn thứ Sáu, đã bắt đầu chưa?".

Đó là kết quả cuối khóa. Bạn sẽ dựng từng mảnh.

Khung tư duy: "Input – Transform – Output – Loop"

Mỗi khi thiết kế một agent, tự hỏi 4 câu:

• Input: dữ liệu vào ở dạng gì, nguồn nào, đáng tin không?
• Transform: bước xử lý nào cần AI, bước nào chỉ cần code thường?
• Output: kết quả đi đâu (chat, task board, email)?
• Loop: có cần theo dõi lại sau đó không (follow-up)?

Agent Họp đặc biệt vì nó có Loop — nó không kết thúc khi tạo task, mà sống tiếp để nhắc. Chính vòng Loop này phân biệt một "trợ lý vận hành" thật với một công cụ tóm tắt thông thường: công cụ tóm tắt chỉ cho bạn văn bản, còn agent theo đuổi kết quả cho tới khi công việc thực sự được hoàn thành.

Các bước để bắt đầu ngay hôm nay

• Ghi âm một cuộc họp thật (xin phép người tham gia trước).
• Liệt kê 3 output bạn muốn: tóm tắt? task? nhắc?
• Chọn nơi lưu transcript (Google Doc, Notion, database).
• Chọn công cụ giao việc bạn ĐANG dùng (đừng đổi công cụ vì agent).
• Vẽ pipeline 5 bước lên giấy với công cụ cụ thể cho từng bước.

Checklist "agent này có đáng làm không"

• [ ] Cuộc họp lặp lại đều đặn (≥1 lần/tuần)?
• [ ] Có nhiều action item bị rơi rụng?
• [ ] Người tham gia đồng ý được ghi âm?
• [ ] Có sẵn công cụ giao việc dùng được qua API?

Nếu 3/4 ô được tick, đây là ứng viên tự động hóa tốt.

Sai lầm thường gặp

• Ôm quá nhiều ngay từ đầu: cố làm cả 5 bước trong ngày đầu. Hãy làm transcribe chạy đúng trước đã.
• Bỏ qua bước xin phép ghi âm: vi phạm quyền riêng tư, rủi ro pháp lý. Luôn thông báo.
• Nghĩ AI thay thế con người 100%: agent tạo bản nháp action item; con người vẫn duyệt lần cuối trong giai đoạn đầu.
• Không định nghĩa Output rõ: nếu không biết task sẽ đi đâu, bạn sẽ xây một cỗ máy tóm tắt vô dụng.

Bài sau ta đi sâu vào bước nền tảng nhất: transcribe.