Workflow AI là gì?

Định nghĩa

AI Workflow là một đồ thị có hướng không tuần hoàn (DAG) bao gồm các node xử lý — trong đó một số node thực thi logic truyền thống, một số node gọi API bên ngoài, và các node còn lại thực hiện inference từ AI model — được orchestrate theo trật tự xác định để biến đầu vào thô thành đầu ra có giá trị, đồng thời hỗ trợ lưu trạng thái trung gian (checkpoint) để khôi phục khi lỗi.

Giải thích chi tiết

Kiến trúc cốt lõi: Nodes, Edges và State

Một workflow không chỉ đơn thuần là "chạy bước A rồi đến bước B". Nó là hệ thống gồm ba thành phần liên kết chặt chẽ:

• Nodes: Đơn vị xử lý độc lập, có thể là LLM call, hàm Python, truy vấn cơ sở dữ liệu, hoặc gọi đến dịch vụ bên ngoài.
• Edges: Các cạnh có hướng thể hiện luồng dữ liệu giữa node, đồng thời chứa logic điều kiện (conditional routing) để quyết định nhánh rẽ tiếp theo.
• State: Bộ nhớ tạm toàn cục lưu trữ kết quả trung gian, cho phép các node sau truy cập dữ liệu từ node trước mà không cần biết chi tiết implementation.

Phân biệt Workflow với AI Agent

Đây là điểm nhiều developer nhầm lẫn nhất khi thiết kế hệ thống. Workflow mang tính deterministic — bạn định nghĩa trước toàn bộ graph, AI chỉ đóng vai trò xử lý tại các node cụ thể mà không tự quyết định bước tiếp theo. Trong khi đó, AI Agent mang tính autonomous — Agent tự quyết định tool nào cần dùng và đường đi tiếp theo dựa trên kết quả vừa thu được. Workflow phù hợp với quy trình đã chuẩn hóa (ngân hàng, logistics, kế toán), còn Agent phù hợp khi cần linh hoạt cao như nghiên cứu hoặc lập kế hoạch chiến lược.

Các pattern phổ biến trong thiết kế

• Sequential: Chạy tuần tự từng node. Dùng cho pipeline rõ ràng như trích xuất văn bản → tóm tắt → dịch thuật.
• Parallel (Fan-out): Phân nhánh để xử lý đồng thời. Ví dụ: vừa phân tích sentiment, vừa trích xuất entity, vừa phát hiện spam từ cùng một đoạn nội dung.
• Map-Reduce: Chia nhỏ input lớn thành nhiều chunk (map), xử lý song song bằng AI, rồi tổng hợp kết quả (reduce). Phổ biến trong xử lý tài liệu dài vượt quá context window của LLM.
• Human-in-the-loop: Workflow tạm dừng chờ con người phê duyệt trước khi tiếp tục. Cực kỳ quan trọng trong y tế, tài chính, và pháp lý nơi cần trách nhiệm giải trình rõ ràng.

Orchestration và Persistence

Workflow cần một orchestrator (LangGraph, Temporal, Airflow, hay custom engine) để quản lý vòng đời:

• Checkpointing: Lưu state sau mỗi node vào persistent storage (Redis, PostgreSQL, S3). Nếu container crash, hệ thống resume từ đúng bước bị lỗi thay vì chạy lại từ đầu, tiết kiệm token và thời gian.
• Retry logic: Cơ chế exponential backoff khi gặp rate limit từ LLM provider hoặc timeout.
• Concurrency control: Giới hạn số request đồng thời đến API để tránh vượt quota hoặc làm sập hệ thống downstream.

Ví dụ thực tế

Xử lý đơn hàng hoàn trả tại sàn thương mại điện tử Việt Nam

Một hệ thống như Shopee hay Tiki xử lý yêu cầu hoàn hàng từ khách:

1. Node OCR: AI đọc ảnh chụp bill từ người dùng, trích xuất mã đơn và số tiền.
2. Node Policy: Logic kiểm tra thời hạn hoàn hàng theo quy định của sàn (code thuần).
3. Node Classification: LLM phân tích lý do hoàn được viết bằng tiếng Việt tự nhiên ("hàng bị móp méo") → phân loại vào nhóm "lỗi vận chuyển" hoặc "đổi ý".
4. Conditional routing: Nếu lỗi vận chuyển → tự động hoàn tiền; nếu đổi ý → kiểm tra đã nhận hàng chưa.
5. Node Notification: Gọi API gửi thông báo Zalo và cập nhật trạng thái đơn.

Nếu Node 3 gặp lỗi mạng (GPT timeout), workflow tạm dừng, retry sau 5 phút, và resume từ đó — khách hàng không cần gửi lại ảnh.

Duyệt khoản vay ngân hàng (Techcombank/Vietinbank style)

Pipeline thẩm định tín dụng tự động:

• Branch A (Parallel): AI đọc scan hồ sơ, trích xuất mức thu nhập, tài sản thế chấp, lịch sử công việc.
• Branch B (Parallel): Hệ thống truy vấn CIC (Cơ sở dữ liệu thông tin tín dụng quốc gia) lấy điểm tín dụng hiện tại.
• Merge Node: Rule engine tính toán điểm rủi ro tổng hợp.
• Conditional: Điểm > 700 → auto approve và giải ngân; 500-700 → chuyển vào queue cho nhân viên tín dụng xem xét (human-in-the-loop); < 500 → từ chối tự động và gửi email giải thích bằng template được cá nhân hóa bởi AI.

Kiểm duyệt nội dung báo chí (VnExpress/VietnamNet)

Workflow trước khi bài báo được xuất bản:

• Node 1: Kiểm tra từ nhạy cảm chính trị và pháp luật Việt Nam bằng từ điển local kết hợp AI.
• Node 2: Fact-checking tự động bằng RAG trên kho dữ liệu tin tức lịch sử của tòa soạn.
• Node 3: Nếu confidence score < 0.8 hoặc phát hiện mâu thuẫn dữ kiện, workflow tạm dừng và đẩy vào queue cho biên tập viên con người xác minh.

Ứng dụng

Developer (Backend/AI Engineer)

• Xây dựng LLM pipeline phức tạp bằng LangGraph hoặc LlamaIndex Workflows, tận dụng khả năng checkpoint tự động.
• Tích hợp Temporal hoặc Airflow để chạy workflow dài hạn (kéo dài nhiều giờ hoặc ngày) mà không sợ process bị kill giữa chừng.
• Thiết kế hệ thống RAG nhiều bước: retrieve → rerank cross-encoder → generate → validate bằng smaller model → mới trả về cho user.

Doanh nghiệp (Digital Transformation)

• Thay thế RPA (Robotic Process Automation) truyền thống bằng AI-aware workflow: bot không chỉ click chuột theo tọa độ mà còn hiểu nội dung văn bản, biết điều chỉnh hành vi khi giao diện thay đổi nhẹ.
• Tự động hóa quy trình kế toán: nhận hóa đơn qua email → OCR đọc nội dung → AI phân loại loại phí → nhập vào hệ thống ERP bằng API → gửi yêu cầu duyệt cho kế toán trưởng.
• Customer support: 80% ticket được xử lý tự động qua workflow phân loại và trả lời, 20% phức tạp được route đúng chuyên viên theo luồng định sẵn.

Startup (Product-Market Fit)

• Xây dựng SaaS tạo nội dung: workflow từ nghiên cứu từ khóa → lên dàn ý → viết thảo → kiểm tra SEO bằng AI → tạo ảnh minh họa → xuất bản lên WordPress tự động.
• Ứng dụng legal tech: soạn thảo hợp đồng lao động với nhiều bước review điều khoản tự động và checkpoint chờ luật sư phê duyệt trước khi gửi khách.

So sánh

Kết luận: Workflow là "đường cao tốc có trạm thu phí AI" — bạn biết rõ điểm đến và các trạm dừng, đảm bảo reliability và khả năng debug. Agent là "xe tự hành không bản đồ" — linh hoạt nhưng khó kiểm soát. Nếu quy trình nghiệp vụ đã ổn định, hãy dùng Workflow để đạt độ ổn định cao hơn.

Bài viết liên quan

Cùng cụm (AI Agent)

• AI Agent là gì? — Hiểu rõ khái niệm agent tự chủ, khác biệt cốt lõi với workflow định hướng và khi nào nên dùng agent thay vì workflow.
• Multi-agent là gì? — Khi nhiều agent cần phối hợp trong một workflow phức tạp hơn, chia sẻ trạng thái và tránh xung đột.
• Automation bằng AI — Các kỹ thuật tự động hóa từ đơn giản đến phức tạp, cách kết hợp RPA với AI model hiện đại.
• AI orchestration là gì? — Cách điều phối nhiều model và microservice trong một pipeline thống nhất, quản lý lỗi và tối ưu chi phí inference.

Đọc tiếp

• RAG pipeline — Workflow phổ biến nhất hiện nay: kết hợp retrieval và generation trong một pipeline có cấu trúc chặt chẽ.
• Fine-tuning với LoRA — Khi workflow cần model custom thay vì API generic, hiểu cách tối ưu cho inference nhanh trong pipeline sản xuất.