Phương pháp nghiên cứu UX đang phát triển cho AI Agent trong hợp tác doanh nghiệp

\ Sự thay đổi đã diễn ra nhanh hơn dự đoán của bất kỳ ai. Một ngày nọ, AI đang tự động hoàn thành câu của chúng ta. Ngày tiếp theo, nó tham gia các cuộc họp, tóm tắt các cuộc trò chuyện và soạn thảo tin nhắn theo dõi thay mặt chúng ta. Bây giờ nó đang đưa ra quyết định.

Tôi đã dành nhiều năm nghiên cứu cách các nhóm cộng tác thông qua các nền tảng thông minh, và những gì tôi đang chứng kiến ngày nay đại diện cho sự chuyển đổi quan trọng nhất trong động lực nơi làm việc kể từ khi giới thiệu Email. AI Agent không còn là công cụ chúng ta sử dụng. Chúng là những người tham gia làm việc cùng chúng ta.

Sự phân biệt này rất quan trọng đối với các nhà nghiên cứu UX. Các phương pháp chúng tôi phát triển để đánh giá các tính năng phần mềm đơn giản là không áp dụng được khi phần mềm đó bắt đầu hoạt động như một thành viên trong nhóm.

Sự Thay Đổi Cơ Bản: Từ Tính Năng Đến Người Tham Gia

Nghiên cứu UX truyền thống đặt ra những câu hỏi như: Tính năng này có dễ khám phá không? Tương tác có trực quan không? Nó có giảm ma sát trong quy trình làm việc không?

Những câu hỏi này giả định rằng AI là thụ động, chờ đợi đầu vào của người dùng trước khi phản hồi. Nhưng AI Agent hoạt động khác biệt. Chúng quan sát, diễn giải, quyết định và hành động. Theo nghiên cứu năm 2025 của MIT Sloan Management Review và Boston Consulting Group, 35% tổ chức đã bắt đầu sử dụng AI tác nhân, với 44% khác dự định áp dụng sớm. Tuy nhiên, 47% cho biết họ không có chiến lược cho việc họ sẽ làm gì với AI. Khoảng cách giữa việc áp dụng và hiểu biết này chính xác là nơi nghiên cứu UX phải tham gia.

Khi một AI Agent tham gia vào nền tảng cộng tác, nó thay đổi động lực xã hội của nhóm. Nó ảnh hưởng đến ai nói, khi nào họ nói và điều gì họ cảm thấy thoải mái khi nói. Đánh giá những thay đổi này đòi hỏi các phương pháp vượt xa kiểm tra khả năng sử dụng.

\

Dẫn Đầu Đánh Giá AI Cho Nền Tảng Cộng Tác Doanh Nghiệp

Trong công việc dẫn đầu nghiên cứu UX cho các nền tảng cộng tác thông minh, tôi đã phát triển các khung đánh giá được thiết kế đặc biệt cho AI Agent hoạt động trong môi trường doanh nghiệp. Công việc này nằm ở giao điểm của chiến lược sản phẩm, phát triển AI và nghiên cứu yếu tố con người.

Đánh giá AI trong bối cảnh này về cơ bản khác với đánh giá chuẩn mô hình truyền thống. Khi một AI Agent hoạt động trong nền tảng cộng tác, chúng ta không thể đơn giản đo lường độ chính xác hoặc chất lượng phản hồi một cách riêng lẻ. Chúng ta phải đánh giá cách thức hoạt động của tác nhân trong động lực xã hội và hoạt động phức tạp của các nhóm thực tế.

Tôi tiếp cận đánh giá AI cho cộng tác doanh nghiệp thông qua ba lớp kết nối với nhau. Lớp đầu tiên kiểm tra hiệu suất chức năng: tác nhân có xác định chính xác các mục hành động, tóm tắt thảo luận chính xác và đưa ra thông tin liên quan vào thời điểm thích hợp không? Lớp thứ hai đánh giá chất lượng tích hợp: tác nhân hoạt động liền mạch như thế nào trong quy trình làm việc hiện có mà không tạo ra ma sát hoặc yêu cầu thay đổi hành vi từ người dùng? Lớp thứ ba, và lớp thường bị bỏ qua nhất, đánh giá tác động hệ thống: sự hiện diện của tác nhân ảnh hưởng như thế nào đến động lực nhóm, chất lượng quyết định và hiệu quả cộng tác theo thời gian?

Nghiên cứu của Harvard Business Review từ tháng 5 năm 2025 mô tả AI Agent như "đồng đội kỹ thuật số" đại diện cho một danh mục tài năng mới nổi. Khung này đòi hỏi chúng ta đánh giá AI Agent không chỉ về việc hoàn thành nhiệm vụ, mà còn về việc chúng hoạt động tốt như thế nào với tư cách là người tham gia nhóm. Các giao thức đánh giá của tôi kết hợp quan sát hành vi, theo dõi dọc và phân tích kết quả mà các tiêu chuẩn AI truyền thống hoàn toàn bỏ qua.

Các tổ chức đạt được kết quả mạnh mẽ nhất là những tổ chức tích hợp nghiên cứu UX trực tiếp vào chu kỳ đánh giá AI của họ, sử dụng các số liệu lấy con người làm trung tâm cùng với các biện pháp hiệu suất kỹ thuật.

\

Xây Dựng AI Agent Siêu Cá Nhân Hóa Thông Qua Nghiên Cứu UX Chiến Lược

Ranh giới tiếp theo cho các nền tảng cộng tác doanh nghiệp là AI Agent siêu cá nhân hóa thích ứng với người dùng cá nhân, văn hóa nhóm và bối cảnh tổ chức. Đây là nơi nghiên cứu UX không chỉ đánh giá mà còn tạo ra, trực tiếp định hình cách thiết kế và triển khai các tác nhân này.

Tôi đã dẫn đầu các sáng kiến nghiên cứu cung cấp thông tin cho sự phát triển chiến lược của AI Agent cá nhân hóa cho các nền tảng cộng tác. Công việc này liên quan đến việc hiểu các mẫu cụ thể về cách các loại người dùng khác nhau tương tác với AI, cách phong cách giao tiếp của nhóm khác nhau giữa các chức năng và địa lý, và cách văn hóa tổ chức ảnh hưởng đến những gì người dùng mong đợi từ sự hỗ trợ của AI.

Nghiên cứu của McKinsey vào tháng 11 năm 2025 về quan hệ đối tác AI lưu ý rằng việc nhận ra tiềm năng của AI đòi hỏi thiết kế lại quy trình làm việc để con người, tác nhân và robot làm việc cùng nhau hiệu quả. Từ góc độ chiến lược sản phẩm, điều này có nghĩa là AI Agent không thể là một kích cỡ phù hợp với tất cả. Chúng phải điều chỉnh phong cách giao tiếp, tần suất can thiệp và mức độ tự chủ dựa trên sở thích của người dùng và các yếu tố ngữ cảnh.

Nghiên cứu của tôi đã xác định một số khía cạnh cá nhân hóa quan trọng nhất trong bối cảnh cộng tác doanh nghiệp. Phù hợp phong cách giao tiếp đảm bảo tác nhân phản ánh cách người dùng tự nhiên thể hiện bản thân, dù là chính thức hay thông thường, chi tiết hay ngắn gọn. Hiệu chỉnh thời gian can thiệp học khi nào người dùng cá nhân thích hỗ trợ chủ động so với khi họ muốn làm việc không bị gián đoạn. Điều chỉnh ngưỡng tin cậy nhận ra rằng người dùng khác nhau có mức độ thoải mái khác nhau với sự tự chủ của AI và hiệu chỉnh tương ứng.

Các ý nghĩa chiến lược là đáng kể. Các nhóm sản phẩm xây dựng AI Agent cho các nền tảng cộng tác cần đầu vào nghiên cứu UX liên tục để hiểu cách các tính năng cá nhân hóa hoạt động trên các nhóm người dùng đa dạng. Không có nền tảng nghiên cứu này, nỗ lực cá nhân hóa có nguy cơ tạo ra các tác nhân cảm thấy xâm phạm đối với một số người dùng trong khi dường như không hữu ích đối với những người khác.

Khung Đánh Giá AI Agent Trong Môi Trường Cộng Tác

Thông qua nghiên cứu thực địa rộng rãi với các nhóm chức năng chéo áp dụng AI Agent trong quy trình cộng tác của họ, tôi đã phát triển một khung đánh giá xây dựng xung quanh bốn chiều mà các phương pháp truyền thống bỏ qua.

1. Tác Động Hiện Diện kiểm tra cách sự hiện diện của AI Agent thay đổi hành vi nhóm, độc lập với đóng góp chức năng của nó. Tôi đã quan sát thấy các nhóm trở nên chính thức hơn đáng kể khi họ biết một AI đang ghi lại cuộc trò chuyện của họ. Các cuộc thảo luận bên lề giảm. Tư duy khám phá được thay thế bằng những đóng góp an toàn hơn.
2. Ranh Giới Tác Nhân đề cập đến nơi sự tự chủ của AI Agent nên bắt đầu và kết thúc, và cách các nhóm đàm phán những ranh giới này. Hướng dẫn năm 2025 của Diễn đàn Kinh tế Thế giới về AI Agent nhấn mạnh rằng quản trị phải thúc đẩy tính minh bạch thông qua giám sát liên tục. Trong nghiên cứu của tôi, tôi đã phát hiện ra rằng sở thích đã nêu về sự tự chủ của AI hiếm khi phù hợp với sở thích được tiết lộ. Các nhóm thường nói rằng họ muốn AI Agent chủ động hơn, nhưng phản đối khi các tác nhân thực sự làm như vậy.
3. Hiệu Chỉnh Tin Cậy tập trung vào cách các nhóm phát triển sự tin tưởng thích hợp, tránh cả sự phụ thuộc quá mức và sử dụng dưới mức. Một AI Agent mắc một lỗi đáng kể có thể phá hủy nhiều tháng xây dựng lòng tin, trong khi một tác nhân hoạt động hoàn hảo có thể tạo ra sự tự mãn nguy hiểm.
4. Tích Hợp Cộng Tác kiểm tra cách AI Agent ảnh hưởng đến động lực nhóm, luồng thông tin và trí tuệ tập thể. AI Agent có giúp nhóm đưa ra quyết định tốt hơn, hay tạo ra ảo tưởng về sự kỹ lưỡng che giấu tư duy nông cạn?

Nghiên Cứu Trường Hợp: Cấu Hình Lại Phạm Vi AI Agent

Gần đây tôi đã tiến hành một nghiên cứu kéo dài tám tuần với một nhóm sản phẩm phân tán triển khai một AI Agent trên nền tảng cộng tác của họ. Tác nhân được thiết kế để tham dự các cuộc họp, tạo tóm tắt, theo dõi quyết định và chủ động đưa ra thông tin liên quan.

Các số liệu ban đầu trông rất xuất sắc: độ chính xác mục hành động 94%, xếp hạng sự hài lòng 4,2 trên 5. Nhưng quan sát hành vi đã tiết lộ các vấn đề vô hình đối với bảng điều khiển. Thời lượng cuộc họp giảm 18% khi các thành viên nhóm vội vã thảo luận, ý thức rằng mọi từ đều được ghi lại. Đến tuần thứ ba, một lỗi gán nhãn đã kích hoạt gánh nặng xác minh tiêu tốn nhiều thời gian hơn tài liệu mà nó thay thế. Các thành viên nhóm cũng phát triển cái mà tôi gọi là "hội chứng phụ thuộc tóm tắt", chỉ dựa vào tóm tắt AI và bỏ lỡ bối cảnh quan trọng.

Dựa trên những phát hiện này, nhóm đã cấu hình lại AI Agent, giảm phạm vi chức năng của nó xuống 60%. Họ đã loại bỏ các tính năng chủ động trong khi giữ lại các nhiệm vụ tài liệu nơi độ chính xác cao. Các số liệu áp dụng truyền thống sẽ đánh dấu điều này là thất bại. Nhưng các biện pháp hiệu quả nhóm kể một câu chuyện khác: chất lượng quyết định được cải thiện, sự tham gia cuộc họp trở nên công bằng hơn và gánh nặng xác minh giảm xuống mức bền vững.

Phát hiện quan trọng nhất xuất hiện từ các cuộc phỏng vấn. Nhiều thành viên nhóm mô tả cảm giác "bị theo dõi" trong giai đoạn tự chủ hoàn toàn. Hiệu ứng lạnh lẽo này đối với giao tiếp xác thực không bao giờ xuất hiện trong bất kỳ số liệu bảng điều khiển nào.

\

\

Phương Pháp Đánh Giá Thực Tế

Dựa trên nghiên cứu này và các nghiên cứu tương tự, tôi khuyến nghị các phương pháp sau để đánh giá AI Agent trong môi trường cộng tác.

• Quan Sát Dọc yêu cầu thời gian quan sát tối thiểu sáu tuần với việc thiết lập đường cơ sở trước khi giới thiệu AI Agent. Các bài kiểm tra khả năng sử dụng một phiên tiết lộ gần như không có gì hữu ích về động lực AI cộng tác.
• Phân Tích Mẫu Giao Tiếp liên quan đến việc theo dõi định lượng ai nói, tần suất và trong bối cảnh nào qua các giai đoạn trước triển khai, triển khai sớm và triển khai trưởng thành.
• Đánh Giá Hiệu Chỉnh Tin Cậy thường xuyên đo lường sự tự tin của các thành viên nhóm vào khả năng AI so với hiệu suất AI thực tế.
• Kiểm Toán Chất Lượng Quyết Định cung cấp phân tích hồi cứu về các quyết định được đưa ra với sự tham gia của AI Agent, theo dõi kết quả và xác định nơi đóng góp của AI giúp đỡ hoặc cản trở.

Con Đường Phía Trước

AI Agent sẽ trở nên phổ biến trong cộng tác doanh nghiệp. Câu hỏi nghiên cứu không phải là liệu các tổ chức sẽ áp dụng chúng hay không, mà là cách họ tích hợp chúng hiệu quả.

Các nhà nghiên cứu UX có vai trò quan trọng trong việc định hình sự tích hợp này. Chúng tôi sở hữu các phương pháp để hiểu hành vi con người và các khung để đánh giá chất lượng trải nghiệm. Các tổ chức làm đúng điều này sẽ xây dựng hệ thống cộng tác nơi con người và AI Agent thực sự bổ sung cho nhau. Những người coi AI Agent chỉ là một tính năng khác sẽ phát hiện ra rằng nhóm của họ làm việc kém hiệu quả hơn trước khi công nghệ xuất hiện.

\