AI cần Authority, không chỉ Intelligence

2026-09-23

Tóm tắt cho CEO/CIO/COO

• Một trong những nhầm lẫn phổ biến nhất khi doanh nghiệp đánh giá AI agent: coi năng lực (intelligence) như một chỉ báo trực tiếp cho việc nó nên được cấp bao nhiêu quyền hạn (authority). Đây là hai khái niệm độc lập, và sự nhầm lẫn giữa chúng đã được nhận diện từ rất lâu trước khi AI xuất hiện.
• Henri Fayol, trong công trình nền tảng của khoa học quản trị “Administration Industrielle et Générale” (1916), đã phân biệt rõ hai loại authority: authority cá nhân (personal authority) — đến từ năng lực, kinh nghiệm, giá trị đạo đức; và authority chính thức (official authority) — đến từ vị trí được tổ chức trao cho, luôn đi kèm với trách nhiệm giải trình.
• Áp dụng vào AI: một mô hình có thể có “authority cá nhân” rất cao theo nghĩa của Fayol — năng lực của nó khiến người dùng tin tưởng — nhưng điều đó hoàn toàn khác với việc nó đã được trao “authority chính thức” để tự thực thi hành động và gánh chịu trách nhiệm giải trình tương ứng.
• Rủi ro Excessive Agency đã leo từ vị trí LLM06 lên LLM03 trong OWASP Top 10 for LLM Applications chỉ trong một năm — cho thấy đây là xu hướng rủi ro đang gia tăng nhanh trong thực tế triển khai.
• Doanh nghiệp cần một framework quản lý authority rõ ràng cho AI — tách biệt hoàn toàn khỏi việc đánh giá năng lực.

Có một câu hỏi mà nhiều CEO/CIO đặt ra khi đánh giá một AI agent, nghe có vẻ hợp lý nhưng thực chất đang gộp hai câu hỏi khác nhau làm một: “mô hình này có đủ giỏi để làm việc X không?” Câu hỏi này ngầm giả định rằng nếu câu trả lời là “có”, thì việc trao cho nó quyền tự thực hiện việc X là hợp lý. Đây chính là sự nhầm lẫn cốt lõi mà bài này muốn làm rõ.

Điều thú vị là: đây không phải một vấn đề mới do AI tạo ra. Nó đã được nhận diện trong khoa học quản trị từ hơn một thế kỷ trước — chỉ là bây giờ áp dụng cho một loại “nhân sự” mới.

Intelligence là gì trong ngữ cảnh AI

Intelligence, trong ngữ cảnh AI, là năng lực suy luận, phân tích, và tạo ra đề xuất hoặc kết quả có chất lượng cao — những năng lực đã có bước tiến rõ rệt như đã phân tích ở bài 6.2.

Điểm quan trọng cần nắm: intelligence là một thuộc tính của mô hình — nó tồn tại độc lập với việc mô hình đó được triển khai trong bối cảnh nào, được cấp quyền truy cập gì. Một mô hình có thể cực kỳ thông minh trong phòng thí nghiệm, nhưng hoàn toàn không được cấp bất kỳ quyền truy cập hệ thống nào trong thực tế — và đó vẫn là một cách triển khai hợp lý, không phải lãng phí năng lực.

Authority là gì trong ngữ cảnh enterprise

Authority, trong ngữ cảnh doanh nghiệp, là một khái niệm hoàn toàn khác.

Henri Fayol, trong “Administration Industrielle et Générale” (1916) — một trong những công trình nền tảng của lý thuyết quản trị hiện đại — đưa ra nguyên tắc “Authority and Responsibility” (Quyền hạn và Trách nhiệm). Fayol định nghĩa authority là quyền ra lệnh và khả năng buộc người khác tuân theo, đồng thời phân biệt rõ hai loại:

• Authority chính thức (official authority) — đến từ vị trí được tổ chức trao cho.
• Authority cá nhân (personal authority) — đến từ năng lực, trí tuệ, kinh nghiệm.

Điểm quan trọng nhất: Fayol nhấn mạnh rằng authority không thể được nhìn nhận tách rời khỏi trách nhiệm (responsibility) — ở bất cứ đâu authority được thực thi, trách nhiệm giải trình cũng phát sinh tương ứng.

Áp dụng vào doanh nghiệp hiện đại: authority không phải một thứ “có sẵn” chỉ vì năng lực cao — nó là một thứ được trao một cách có chủ đích, và luôn đi kèm với cơ chế giải trình khi authority đó được thực thi sai.

Tại sao tách biệt hai khái niệm này quan trọng

Claim: Một AI agent có thể sở hữu mức độ “authority cá nhân” (theo nghĩa của Fayol) rất cao — năng lực của nó đủ thuyết phục để người dùng tin tưởng — mà không hề đi kèm bất kỳ cơ chế “authority chính thức” hay trách nhiệm giải trình tương ứng nào.

Đây chính xác là điểm dễ gây nhầm lẫn nhất khi doanh nghiệp triển khai AI agent. Một mô hình càng thông minh, càng đưa ra đề xuất chất lượng cao, con người càng có xu hướng tin tưởng nó — và ranh giới giữa “tin tưởng đề xuất” và “trao quyền tự thực thi” dễ dàng bị xóa nhòa một cách không chủ ý. Đây chính là điều đã xảy ra trong sự cố Replit: agent đủ năng lực để hiểu yêu cầu “không thay đổi gì mà không xin phép” — nhưng vẫn được cấp quyền truy cập đủ để thực thi lệnh xóa dữ liệu, một dạng authority chính thức mà không ai chủ động trao một cách có kiểm soát.

Trong “OWASP Top 10 for LLM Applications 2026”, rủi ro Excessive Agency đã leo từ vị trí LLM06 lên vị trí LLM03 chỉ trong một năm. Sự dịch chuyển này phản ánh đúng cơ chế đã mô tả: khi năng lực AI tăng nhanh, xu hướng tự nhiên của tổ chức là mở rộng quyền hành động tương ứng — thường nhanh hơn tốc độ xây dựng cơ chế giải trình đi kèm.

Nếu doanh nghiệp để năng lực của mô hình tự động quyết định mức độ quyền hạn được cấp, tổ chức đang vô tình để “authority cá nhân” lấn sang vai trò của “authority chính thức”. Đây chính là khoảng trống mà các sự cố như Replit khai thác.

→ Liên quan: Chatbot sai một câu. Agent sai một hành động.

Framework quản lý AI authority

Từ phân tích trên, bốn nguyên tắc tách biệt hoàn toàn quyết định về authority khỏi đánh giá về intelligence:

1. Authority phải được trao một cách tường minh, không được suy diễn từ năng lực. Cần một quyết định riêng biệt, do người có thẩm quyền trong tổ chức đưa ra, xác định rõ agent được phép làm gì.

2. Mỗi authority được trao cần gắn với một trách nhiệm giải trình cụ thể. Cần xác định rõ ai trong tổ chức chịu trách nhiệm nếu agent hành động sai.

3. Authority cần được phân cấp theo hậu quả và khả năng đảo ngược, không phải theo mức độ thông minh của mô hình. Một mô hình cực kỳ thông minh vẫn nên chỉ được cấp authority thấp cho những hành động có hậu quả nghiêm trọng, khó đảo ngược.

4. Authority cần có cơ chế thu hồi rõ ràng, độc lập với việc đánh giá lại năng lực. Nếu một agent hành xử ngoài dự kiến, tổ chức cần khả năng thu hồi authority ngay lập tức.

Bài viết này là một phần trong chuỗi OKELAS AI Control.

Bài liên quan:

• Chatbot sai một câu. Agent sai một hành động.
• Least Privilege cho AI Agent: nguyên tắc thiết kế quyền hạn AI
• AI được phép làm đến đâu? Tại sao doanh nghiệp cần một control layer

→ AI Readiness Assessment