OpenAI: Trí tuệ nhân tạo ngày càng làm tốt hơn các công việc thường ngày của con người

Công ty công nghệ OpenAI cho biết mô hình AI của doanh nghiệp này đang ngày càng thực hiện tốt hơn các công việc vốn thường do con người đảm nhận, chẳng hạn như mua sắm và lập kế hoạch bữa ăn. Hiện nay, người dùng đã sử dụng ChatGPT của OpenAI cho nhiều mục đích khác nhau, từ hỗ trợ làm bài tập về nhà đến soạn thảo các bài thuyết trình.

Ngày 2/11, OpenAI đã công bố một công cụ nội bộ mới nhằm đánh giá khả năng của AI trong việc xử lý các tác vụ kiểu này, đồng thời chia sẻ kết quả nghiên cứu về hiệu suất của chính các mô hình mà họ phát triển. OpenAI cho biết mô hình GPT-6 Astra đạt điểm số 93,1% trong việc tìm kiếm trường mẫu giáo phù hợp sau khi chuyển đến nơi ở mới, đạt 98% trong việc điều phối các tình nguyện viên cộng đồng ứng phó với lũ lụt; và đạt 90,4% trong việc lập kế hoạch bữa ăn cho một phụ huynh vừa được chẩn đoán mắc bệnh tiểu đường.

Bộ tiêu chuẩn đánh giá mới này xuất hiện trong bối cảnh OpenAI đang phải đối mặt với sự cạnh tranh từ các doanh nghiệp đối thủ như Meta, Anthropic và Google - cũng đang chạy đua phát triển các tác nhân AI có khả năng thực hiện các công việc trong thế giới thực. Ngoài ra, OpenAI cùng các đối thủ cũng đang phải giải quyết những lo ngại về an toàn AI, đồng thời chịu áp lực tạo ra lợi nhuận từ các khoản đầu tư lớn vào công nghệ này. Tuy nhiên, trước hết, OpenAI cần tìm ra phương pháp để xác định xem liệu ChatGPT có thực sự hiệu quả trong các công việc thường ngày hay không, chẳng hạn như chọn mua hàng hóa hay điền vào các biểu mẫu trực tuyến.

Chia sẻ với CNN trước khi công bố kết quả đánh giá, cô Jenny Yang, một nhà nghiên cứu tại OpenAI, cho biết vì có rất nhiều người đang sử dụng ứng dụng, nên nhóm nghiên cứu muốn nắm bắt tất cả các trường hợp sử dụng đa dạng cũng như cách thức người dùng tương tác với công cụ này, từ đó hiểu rõ hơn về sự cải thiện theo thời gian. Theo cô, nhóm nghiên cứu cần biết đâu là những khía cạnh mà AI vẫn chưa thực hiện tốt và làm thế nào để tiếp tục hoàn thiện công nghệ này nhằm mang lại lợi ích tốt hơn cho người dùng. 

Các tiêu chuẩn đánh giá đóng vai trò then chốt trong quá trình phát triển AI, vì các phòng thí nghiệm AI sử dụng chúng làm kim chỉ nam để huấn luyện và tối ưu hóa mô hình, từ đó cải thiện hiệu suất trong những lĩnh vực cụ thể. Năm 2025, OpenAI đã công bố một bộ tiêu chuẩn có tên là GDPVal nhằm đo lường năng lực của AI đối với các kỹ năng công việc trong nhiều ngành nghề khác nhau, bao gồm sản xuất, hành chính công, tài chính, bán hàng... Tiêu chuẩn đánh giá mới này có thể đóng vai trò then chốt trong nỗ lực của OpenAI nhằm duy trì lợi thế cạnh tranh, bằng cách chuyển đổi ChatGPT từ một công cụ tạo nội dung thành một trợ lý có khả năng thực hiện các công việc thay cho người dùng.

Tuy nhiên, việc đo lường hiệu suất của AI trong các tình huống đời thường lại đặt ra những thách thức mới. Các bước và kỹ năng cần thiết để thực hiện những việc như đi mua sắm thực phẩm hay chọn trường mẫu giáo phù hợp cho trẻ thường rất bao quát và mơ hồ; hơn nữa, kết quả đạt được còn có thể mang tính chủ quan.

Ngay cả việc xác định nên xây dựng những bài kiểm tra nào cũng là một thách thức, bởi mỗi người sử dụng AI theo những cách khác nhau, và phản hồi từ một tác nhân AI có thể thay đổi tùy thuộc vào thông tin mà nó được cung cấp.

OpenAI bắt đầu bằng cách xem xét các khảo sát quy mô lớn về cách mọi người dành thời gian hàng ngày, chẳng hạn như Khảo sát về Sử dụng Thời gian tại Mỹ của Cục Thống kê Lao động và Khảo sát Đa quốc gia về Sử dụng Thời gian của Vương quốc Anh. Tuy nhiên, vấn đề nảy sinh là một số hoạt động chiếm phần lớn thời gian của con người như ngủ hay ăn uống - lại không phải là những việc mà AI có thể hỗ trợ.

OpenAI đã khảo sát khoảng 4.000 người, đồng thời yêu cầu một nhóm nhỏ hơn gồm khoảng 100 người liệt kê các tác vụ mà họ muốn AI thực hiện, cũng như những thông tin cá nhân cần cung cấp cho mô hình AI để đạt được kết quả mong muốn. Họ cũng yêu cầu những người tham gia xây dựng một bộ tiêu chí để đánh giá xem liệu mô hình AI có hoàn thành tốt tác vụ đó hay không. OpenAI cũng đảm bảo rằng người dùng ChatGPT hiểu rõ về tác vụ mà họ đề xuất. Ví dụ, một người đề xuất bài kiểm tra về khả năng lập kế hoạch tài chính của AI thì bản thân họ phải có kinh nghiệm làm việc với cố vấn tài chính trong nhiều năm.

Các bài kiểm tra của OpenAI cho thấy mô hình GPT-6 Astra, được ra mắt vào tháng 9/2026, đạt điểm số 80% về hiệu suất tổng thể đối với các yêu cầu liên quan đến những tác vụ thường ngày. Mô hình GPT-5.2 của OpenAI, ra mắt vào tháng 12/2025, chỉ đạt 49,3%. Theo cô Yang, có quá nhiều thông tin, và một mô hình ưu việt hơn sẽ có khả năng sàng lọc nhanh chóng để chắt lọc ra những nội dung phù hợp nhất. 

OpenAI muốn ChatGPT đóng vai trò quan trọng hơn trong cuộc sống hàng ngày, nhưng họ đang phải đối mặt với áp lực cạnh tranh gay gắt, đặc biệt là từ phía Meta. Theo công ty nghiên cứu thị trường Sensor Tower, ứng dụng Muse của Meta đã đạt 10 triệu lượt tải xuống tại Mỹ chỉ trong 40 ngày đầu tiên sau khi trình làng vào tháng 9/2026, trở thành một trong số ít các ứng dụng đạt được cột mốc này. Cũng trong tháng đó, OpenAI giới thiệu Dots, một tác nhân AI được thiết kế để thực hiện các tác vụ kéo dài ở chế độ nền trong khi người dùng vẫn tiếp tục các hoạt động thường nhật. Đến tháng 10/2026, Anthropic cũng công bố ứng dụng AI mới của họ mang tên Claude Duet.

Cuộc đua phát triển các tác nhân AI cá nhân diễn ra trong bối cảnh công nghệ này làm dấy lên những lo ngại về an toàn, sau một loạt sự cố trong đó các mô hình AI thoát khỏi môi trường thử nghiệm và xâm nhập vào hệ thống của các doanh nghiệp. Dù những sự cố này xảy ra trong giai đoạn thử nghiệm chứ không phải trên các sản phẩm dành cho người tiêu dùng, chúng vẫn đặt ra câu hỏi liệu công nghệ này có đang phát triển quá nhanh hay không.

Một vấn đề khác là liệu con người có trở nên quá phụ thuộc vào AI hay không, và làm thế nào để thiết lập ranh giới khi quyết định xem nên giao phó những công việc nào cho AI. Một câu chuyện được cựu Giám đốc điều hành (CEO) của Yahoo, Marissa Mayer, chia sẻ với tờ The New York Times - về việc bà sử dụng AI để tóm tắt những điểm đặc biệt của con gái mình cho một dự án ở trường - đã vấp phải các ý kiến trái chiều trên mạng.

Đối với cô Yang, mục tiêu là tạo ra các mô hình AI giúp con người tiết kiệm thời gian trong ngày, chẳng hạn như bằng cách xử lý các công việc vặt tốn thời gian, như trả lại một kiện hàng hoặc hỗ trợ họ học một kỹ năng mới. Theo cô, việc sử dụng AI giúp người dùng thực hiện những điều mà trước đây họ không thể làm được, hoặc đơn giản là giúp cuộc sống của họ trở nên dễ dàng hơn và đó chính là ứng dụng cốt lõi được kỳ vọng./.