Po hoàn thành 71% nhiệm vụ trong thử nghiệm, Wajo kết hợp trợ lý AI và con người

Trợ lý AI cá nhân Po của Wajo đã tự hoàn thành 71% trong số 104 nhiệm vụ thực tế được thử nghiệm, đồng thời chuyển các công việc AI chưa xử lý được cho trợ lý con người tiếp quản.

Shivani Poddar (Shivani Poddar), nhà sáng lập Wajo, đã phát triển Po với trọng tâm biến chỉ dẫn của người dùng thành kết quả công việc thực tế.

Po sử dụng số điện thoại, email và phương thức thanh toán để trực tiếp tương tác với người hoặc tổ chức bên ngoài. Các trường hợp sử dụng chính gồm sắp xếp lịch, đặt lịch khám, đổi chuyến bay và đặt hàng.

Po cũng có thể liên hệ trực tiếp với các salon, huấn luyện viên cá nhân và cửa hàng địa phương không có API. Nếu AI không thể hoàn tất cuộc gọi hoặc thương lượng, trợ lý con người sẽ thay mặt người dùng gọi điện, truyền đạt yêu cầu và tiếp tục công việc.

Wajo cho biết trợ lý con người chỉ nhận những thông tin cần thiết cho nhiệm vụ và không được truy cập toàn bộ lịch sử hội thoại của người dùng.

Po hoạt động độc lập trong phạm vi quyền hạn do người dùng thiết lập. Với các hành động khó hoàn tác hoặc công việc cần phán đoán bổ sung, Po sẽ yêu cầu phê duyệt. Khi gặp tình huống không thể xử lý, hệ thống sẽ gọi người hoặc thành viên trong nhóm.

Trang web chính thức của Wajo giới thiệu Po có thể xử lý cuộc gọi, email, tin nhắn và thanh toán. Khác với chatbot chỉ trả lời câu hỏi, dịch vụ này tập trung vào việc sử dụng công cụ bên ngoài và con người để hoàn thành công việc thực tế.

BlockBeats đưa tin Po được thử nghiệm với 104 nhiệm vụ thực tế, mỗi nhiệm vụ được thực hiện ba lần. Tỷ lệ hoàn thành mà không cần con người can thiệp là 71%.

Trong cùng điều kiện, tỷ lệ hoàn thành của OpenClaw là 42%. Như vậy, tỷ lệ của Po cao hơn OpenClaw khoảng 69%.

Tuy nhiên, các số liệu này được đo trong điều kiện không có trợ lý con người can thiệp. Cần phân biệt kết quả tự thực hiện 71% của Po với tỷ lệ hoàn thành cuối cùng của toàn bộ dịch vụ sau khi công việc được chuyển cho con người.

Trong thử nghiệm an toàn, Wajo kiểm tra liệu Po có tự ý liên hệ với người khác, để lộ thông tin cá nhân hoặc đưa ra quyết định chưa được phê duyệt hay không. Tỷ lệ vượt qua thử nghiệm là 94%, theo kết quả do Wajo tự thực hiện.

Bảo vệ thông tin cá nhân cũng là một phần quan trọng trong thiết kế dịch vụ. Wajo cho biết Po sử dụng thẻ dùng một lần cho mỗi giao dịch, liên hệ bằng địa chỉ email riêng và không xem hoặc lưu mật khẩu của người dùng.

Khi các tác nhân AI tương tác trực tiếp với thế giới bên ngoài, việc quản lý quyền hạn và con người giám sát càng trở nên quan trọng. Thanh toán và liên hệ thay mặt người dùng giúp hoàn tất công việc, nhưng cũng cần ngăn hệ thống hành động vượt quá phạm vi phê duyệt.

Thí nghiệm về thành quả hợp tác và giới hạn phối hợp giữa các tác nhân AI cũng cho thấy việc chỉ tăng số lượng tác nhân không phải lúc nào cũng cải thiện kết quả công việc. Po lựa chọn kết nối trợ lý con người để đưa những nhiệm vụ AI không xử lý được vào quy trình vận hành.

Trường hợp này cho thấy tiêu chí đánh giá tác nhân AI đang mở rộng từ chất lượng câu trả lời sang phạm vi công việc thực tế có thể hoàn thành. Dù vậy, tỷ lệ 71% của Po phản ánh khả năng tự thực hiện của AI và cần được xem xét tách biệt với kết quả cuối cùng có sự tham gia của trợ lý con người.