Vì sao mua sắm bằng đại lý AI lại khó phổ biến?

Tác giả: Anderl

Biên dịch: Chopper, Foresight News

Hiện nay, trong giới AI và crypto đang lưu truyền một câu chuyện: cấp ví cho các AI agent, để chúng toàn quyền thay người mua sắm — đây được xem là kịch bản ứng dụng “cốt lõi” nhất của AI. Nghe thì gọn gàng, hoàn hảo, như thể đó chính là tương lai. Nhưng logic bên trong lại không chịu được kiểm chứng. Quan điểm này trộn lẫn những điểm khó trong mua sắm với các bước đơn giản, và lại đẩy khâu thanh toán — thứ tưởng như dễ nhất — lên vị trí trung tâm.

Trước hết, hãy gạt thanh toán sang một bên, quay về bản chất hành vi mua sắm.

Hai hành vi cốt lõi của mua sắm

Mua sắm về bản chất gồm hai nhóm hành động hiện đang bị gắn liền với nhau: tìm kiếm thông tin và đánh giá giá trị. Phần tìm kiếm (thu thập, sàng lọc, đối chiếu, sắp xếp sơ bộ) có đặc tính chuẩn hóa, gần như có thể giao hoàn toàn cho agent máy xử lý; còn đánh giá giá trị (món hàng này có tốt không, có phù hợp với tôi không, nhà bán có đáng tin không) lại là phần gắn chặt với chiều sâu cảm xúc chủ quan của con người.

Dữ liệu đã chứng minh thông tin đang nhanh chóng chuyển dịch sang AI. Dữ liệu của Adobe Analytics cho thấy từ 7/2024 đến 7/2025, lượng truy cập từ AI tạo sinh dẫn vào các trang bán lẻ tại Mỹ đã tăng vọt khoảng 4700%. Nhưng câu chuyện “AI wallet” lại mặc định rằng agent thông minh có thể đồng thời đảm nhiệm cả phần tìm kiếm lẫn đánh giá giá trị. Đây chính là điểm đánh tráo khái niệm của toàn bộ lập luận. Có thể giao phần tìm kiếm hoàn toàn cho máy, nhưng đánh giá giá trị chỉ có thể được chuyển giao một phần trong các điều kiện nhất định — còn đa số tình huống thì hoàn toàn không thể ủy quyền.

Đánh giá giá trị lại có hai tầng

Quan trọng hơn, bản thân việc đánh giá giá trị cũng không phải một chiều duy nhất, mà tách thành hai phần. Một phần là đánh giá: kiểm định các lựa chọn theo hàm mục dụng. Phần còn lại là định nghĩa nhu cầu — tức là thiết lập hàm mục dụng từ đầu: những chiều quan trọng nào, trọng số ra sao, các giá trị nào mang tính ràng buộc, và “tốt” cuối cùng được hiểu là gì.

Định nghĩa nhu cầu không chỉ được hoàn tất một lần ngay từ đầu, mà xuyên suốt toàn bộ quy trình mua sắm. Tiêu chuẩn tuân thủ hàng hóa do bạn quyết định; việc khóa kéo rách có khiến bạn từ bỏ sản phẩm hay không, phụ thuộc vào chuẩn mực bạn đặt ra; chọn nhà bán nào, lại phụ thuộc vào hệ giá trị bạn coi trọng. Mỗi vòng sàng lọc đều tuân theo logic “chuẩn mực chủ quan của con người × đánh giá của máy AI”. Tự động hóa chỉ có thể thay thế khâu đánh giá; quyền định nghĩa nhu cầu luôn thuộc về con người.

Nhiều người hiểu nhầm rằng con người chỉ cần viết một lần danh sách tiêu chuẩn là có thể hoàn toàn buông tay. Đây là sự đánh giá thấp nghiêm trọng logic ra quyết định của con người. Các nghiên cứu trong lĩnh vực ra quyết định đã chứng minh sở thích của con người không hề cố định. Nhà tâm lý học Paul Slovic đề xuất lý thuyết sở thích kiến tạo (constructive preference): trong lòng ta không tồn tại một bộ sở thích sẵn có và bất biến đang chờ được “kích hoạt”; sở thích được hình thành dần trong quá trình đưa ra lựa chọn. Thí nghiệm “đảo ngược sở thích” cũng chứng minh điều đó: hai cách khảo sát tương đương như lựa chọn và định giá đều cho ra bảng xếp hạng sản phẩm hoàn toàn khác nhau, vi phạm các tiên đề nền tảng của lựa chọn duy lý.

Năm 2003, Ariely, Loewenstein và Prelec đề xuất lý thuyết “tính ngẫu nhiên tùy ý có tính liên kết” (correlated arbitrariness): dù là những con số ngẫu nhiên không liên quan như các vị trí sau trong sổ bảo hiểm, chúng vẫn neo vào mức giá thầu tâm lý của người ta đối với hàng hóa thông thường; và hiệu ứng neo này không biến mất theo kinh nghiệm tiêu dùng hay giao dịch trên thị trường. “Sở thích ổn định” chỉ là ảo tưởng trật tự do con người tự dựng lên.

Vì vậy, tương tác người–máy không thể chỉ là điền một lần danh sách tiêu chuẩn, mà cần liên tục lặp lại và giao tiếp. AI agent ở mỗi nút sàng lọc sẽ đặt câu hỏi nhắm đúng: “Trước đó bạn coi trọng độ bền; khi mức giá đã tăng lên tới khoảng bao nhiêu thì độ bền không còn đáng tiền với bạn nữa?”, rồi con người sẽ định nghĩa ranh giới đó theo thời gian thực.

Ranh giới thật sự: mua hàng chỉ là việc lặt vặt, hay chính là niềm vui?

Ngành công nghiệp thường dùng cách chia “hàng hóa chuẩn hóa / hàng hóa cá nhân hóa” để phân loại bối cảnh; điểm bất đồng không nằm ở việc chuẩn hóa có lượng hóa được hay không. Ranh giới thật sự là: bản thân việc đưa ra lựa chọn có hay không mang giá trị trải nghiệm.

Với các mặt hàng như giấy in, pin, hoặc các sản phẩm cần bổ sung định kỳ, quá trình chọn lựa không có giá trị trải nghiệm nào. Không ai muốn tốn công so sánh hai hộp mực gần như không khác biệt. Những sản phẩm kiểu này tự nhiên phù hợp để giao hoàn toàn cho AI agent xử lý; việc máy tự động mua lại sẽ không đánh mất trải nghiệm nào.

Nhưng với tiêu dùng mang tính hưởng thụ thì ngược lại. Rượu vang, đồ nội thất, áo khoác dạ, sách vở — việc chọn lựa chính là một phần của niềm vui tiêu dùng. Nếu chuyển quyền phán xét cho máy, dù tiết kiệm chi phí thời gian, bạn lại trực tiếp tước đi niềm vui cốt lõi của việc mua sắm. Dù AI có thể miễn phí trả lời suốt quá trình, người ta vẫn không muốn ủy thác toàn bộ.

Đối với hàng hóa kiểu hưởng thụ, AI agent không nên tự quyết toàn phần, mà chuyển sang vai trò “người thu thập thông tin”: thực hiện tìm kiếm, sàng lọc sơ bộ, khớp tham số, thẩm tra tư cách nhà bán, chắt lọc “lỗi phổ biến” của sản phẩm từ hàng loạt đánh giá; rồi rút 200 lựa chọn xuống 5 lựa chọn, sau đó giữ quyền lựa chọn cuối cùng cho con người.

Thế khó mâu thuẫn bậc ba: AI hỏi, diễn giải lịch sử, và tự con người chọn

Có người sẽ nói: AI cứ trực tiếp hỏi tiêu chí đánh giá của tôi chẳng phải xong? Cách làm đó lại đúng là kiểu kém hiệu quả mà người bình thường hầu như đều thấy khó chịu trong đời thường. Thậm chí nguy hiểm hơn, việc liên tục truy hỏi tiêu chuẩn sẽ làm méo lựa chọn cuối cùng của con người.

Năm 1991, Wilson và Schooler thực hiện thí nghiệm đánh giá mứt: những người được yêu cầu sớm sắp xếp lý do sở thích thì cuối cùng cho ra bảng xếp hạng lệch nhiều hơn so với các tiêu chuẩn đánh giá từ chuyên môn. Các nghiên cứu sau đó còn chứng minh rằng việc ép người ta liệt kê từng lý do lựa chọn sẽ khiến họ chọn ra các tranh trang trí có mức độ hài lòng sau đó thấp hơn. Ngôn ngữ chỉ mô tả được những đặc điểm bề mặt dễ diễn đạt, không thể nắm bắt sở thích thật bên trong; cảm giác như vị giác hay thẩm mỹ chỉ có thể cảm nhận, khó mà định nghĩa bằng chữ.

Từ đó hình thành một thế khó bậc ba không thể đồng thời thỏa mãn:

Hỏi AI chủ động: bám sát sở thích thật tại thời điểm đó, nhưng ma sát tương tác cực cao, thậm chí còn làm biến dạng lựa chọn;

Suy diễn dựa trên hành vi lịch sử: thao tác mượt mà, nhưng bị khóa vào sở thích quá khứ, dập tắt khám phá tiêu dùng mới;

Con người tự phán xét toàn bộ: giữ trọn quyền lựa chọn, nhưng tốn rất nhiều thời gian và công sức.

Phương án thỏa hiệp thứ tư có thể né các nhược điểm trên: tương tác dạng nhận diện, không phải từng câu hỏi theo danh mục. AI hiển thị trực tiếp 3 lựa chọn, con người chỉ cần chọn luôn. Cách này vừa tiết kiệm công sức vừa chính xác, vì không cần phải trừu tượng hóa và đặt tên cho những tiêu chuẩn mà bạn thường không thể gọi thành lời.

Thí nghiệm kinh điển về “quá tải lựa chọn” có thể minh họa điều này. Năm 2000, Iyengar và Lepper thực hiện quầy nếm thử mứt: khi đặt 6 loại mứt, tỉ lệ chuyển đổi mua hàng cao hơn nhiều so với 24 loại mứt. Nhưng lý thuyết này còn gây tranh cãi; nhiều phân tích và thí nghiệm sau đó đã bác bỏ kết luận ấy. Shekharan và cộng sự năm 2010 sau khi tổng hợp nhiều thí nghiệm đã phát hiện tổng thể không tồn tại hiệu ứng quá tải lựa chọn phổ quát; phân tích của Chernev, Böckenholt và Goodman năm 2015 bao phủ 99 nghiên cứu cho thấy hiệu ứng quá tải chỉ xuất hiện khi độ phức tạp của sản phẩm cao, độ khó ra quyết định lớn và sở thích của bản thân mơ hồ. Bản thân tác giả cũng có nhắc lại rằng khi đối diện 24 lựa chọn, người tiêu dùng không có đủ thời gian để sắp xếp sở thích của mình. Tự chủ theo nghĩa thực sự tồn tại giữa hai trạng thái: “agent áp dụng tiêu chuẩn của tôi” và “agent tự bịa ra tiêu chuẩn dựa trên lịch sử của tôi”.

Trở lại “AI wallet”: thanh toán chỉ là phần ít quan trọng nhất

Khi đã làm rõ logic trên, có thể thấy lỗ hổng của câu chuyện “cấp ví cho AI”. Lập luận này trộn lẫn ba việc hoàn toàn độc lập: chủ thể ra quyết định, chủ thể thực thi, và chủ thể nắm giữ tiền. “Cấp ví cho AI” chỉ giải quyết vấn đề nắm giữ tiền. Chỉ khi AI đồng thời có quyền ra quyết định thì việc ủy thác quản lý tiền mới thật sự có ý nghĩa.

Có ba tình huống. Thứ nhất: chính bạn tự quyết định và tự thanh toán. Trong trường hợp này, “agent” không thanh toán thay, mà chỉ đóng vai trò trinh sát. Thứ hai: bạn đưa ra quyết định và ủy thác nhiệm vụ thực thi cho agent (“vâng, mua cái đó”). Lúc này, agent chịu trách nhiệm thanh toán, nhưng không cần giữ tiền — chỉ cần cấp một ủy quyền giới hạn phạm vi và có thể thu hồi đối với đúng giao dịch mua đã được phê duyệt. Chỉ ở tình huống thứ ba, khi agent tự quyết định và thanh toán mà không cần người can dự trực tiếp tại bước kết toán, thì cái ví mới gánh trách nhiệm thanh toán.

Điều thú vị là, năm 2025 ngành thanh toán toàn cầu đã triển khai mô hình ủy quyền phân lớp, tách bạch hoàn toàn “ủy quyền” và “quản lý tiền”:

OpenAI bắt tay Stripe ra mắt thỏa thuận thương mại cho agent thông minh, tạo ra token thanh toán dùng chung ràng buộc với một nhà bán duy nhất, số tiền cố định, và chỉ dùng một lần trong thời hạn giới hạn; AI không thể lấy số thẻ ngân hàng đầy đủ;

Mastercard công bố Agent Pay vào tháng 4/2025, tạo token chuyên dụng ràng buộc agent giới hạn, chỉ định nhà bán và quy tắc ủy quyền theo người dùng;

Google ra mắt thỏa thuận thanh toán AP2 cho năm 9/2025, tách rõ “chứng từ ủy quyền nhu cầu của người dùng” và “chứng từ danh sách mua của AI”; cả hai đều là chứng từ mã hóa có thể xác thực, khớp hoàn hảo với logic phân tầng “định nghĩa nhu cầu / đánh giá của máy” ở phần trước;

Visa ra mắt thỏa thuận agent đáng tin cậy vào tháng 10/2025, đi theo đúng tư duy của các phương án trên.

Các tổ chức thanh toán hàng đầu đều vô tình chứng minh quan điểm cốt lõi của bài viết: không cần giao tiền cho AI, chỉ cần cấp quyền thao tác giới hạn.

Vậy các kịch bản “vừa đủ” để AI độc lập quản lý ví thật sự nằm ở đâu? Trong các kịch bản bán lẻ tiêu dùng, gần như không cần ví quản lý bởi AI. Không gian triển khai thực sự là ở các mặt hàng chuẩn hóa quy mô lớn và thanh toán tự động giữa máy với máy. Coinbase và Cloudflare cùng ra mắt giao thức x402, lấp khoảng trống của luồng thanh toán thẻ truyền thống: hỗ trợ thanh toán tự động giữa các agent không cần can thiệp con người, 7×24, tính phí theo lệnh gọi API; sau vài tháng hoạt động, khối lượng giao dịch đã vượt 1 trăm triệu lượt. Mastercard cũng đồng thời ra mắt Agent Pay dành cho máy, phục vụ thanh toán máy tần suất cao, độ trễ thấp với khoản nhỏ. Đây là hạ tầng nền tảng của kinh tế máy móc, không phải hệ thống phục vụ mua sắm cá nhân.

Bản thân câu chuyện này không sai, nhưng thứ tự tầm quan trọng đã bị đảo ngược hoàn toàn: ví được AI độc lập quản lý chỉ có giá trị lớn trong các bối cảnh hàng hóa rất đồng chất và giá trị mỗi giao dịch thấp.

Ví nên nằm ở đâu

Điều này cũng giải thích sự chuyển dịch trọng tâm của ngành crypto trong gần hai năm: không còn nhấn mạnh câu chuyện “giải phóng mua sắm cho cá nhân”, mà đi sâu vào hạ tầng nền tảng cho tổ chức — thanh toán stablecoin, token hóa tài sản, dịch vụ cấp doanh nghiệp. Đây không phải là bỏ cuộc chơi AI mua sắm, mà là quay lại đúng lĩnh vực mà mô hình quản lý ví phù hợp nhất: phía doanh nghiệp. Bộ phận mua sắm của doanh nghiệp chính là sự thể chế hóa của “mua sắm thuần túy là thủ tục”. Quy trình mua sắm loại bỏ thẩm mỹ chủ quan và cảm nhận cá nhân, và dựa hoàn toàn vào đặc tả, giá cả, năng lực thực hiện, điều khoản hợp đồng để ra quyết định — về bản chất chính là mua sắm kiểu “agent thông minh” phiên bản con người. Ví AI chỉ tự động hóa những quy trình doanh nghiệp đã phát triển thành thói quen; không có sự đảo lộn mô hình hành vi.

Hiện nay, nhiều doanh nghiệp thuê ngoài mua đồ văn phòng và các vật tư tiêu hao giá trị thấp. Nền tảng như Mercateo hay Amazon Business có lợi thế cạnh tranh cốt lõi không phải là giá rẻ hơn, mà là giảm chi phí quy trình: danh mục mua chung, gộp hóa đơn. Doanh nghiệp chấp nhận trả chênh lệch nhỏ cho từng mặt hàng để đổi lấy việc giảm mạnh chi phí nhân sự mua sắm. Chi phí quy trình của vật tư tiêu hao giá trị thấp thường lớn hơn giá trị của chính hàng hóa. Agent AI có thể giảm chi phí nhân lực đặt hàng xuống gần như bằng 0, đồng thời truy xuất và tổng hợp các nhà cung cấp phân tán quy mô lớn; còn nền tảng chỉ giữ lại chức năng xác minh tuân thủ: thẩm tra nhà cung cấp đủ điều kiện, đối soát thống nhất, kiểm tra chống giả mạo — và xác minh chính là nút thắt thật sự của toàn bộ quy trình.

Vì vậy, chiến lược triển khai không thể chỉ gói gọn thành “ví phục vụ doanh nghiệp hơn là cá nhân”. Diễn đạt chính xác hơn là: công cụ ghép đúng bối cảnh.

Ví quản lý tự chủ (AI tự ra quyết định, nắm giữ tiền, hoàn tất thanh toán): phù hợp với mua sắm hàng hóa chuẩn hóa của doanh nghiệp, thanh toán tự động giữa máy với máy; tập trung vào kịch bản B2B, M2M tần suất cao mua lại;

Kịch bản tiêu dùng cá nhân: không cần nắm giữ tiền, chỉ ủy quyền token thanh toán dùng một lần và trong phạm vi hữu hạn; sau khi con người xác nhận đơn, AI mới được phép thanh toán.

“Cấp ví cho AI” như tiêu đề truyền thông hướng C (người dùng cuối) chỉ nhắm vào một mảng rất nhỏ. Thị trường triển khai cốt lõi của phương án này thực ra là hệ thống tự động hóa hậu trường của doanh nghiệp.

Bổ sung: mua sắm doanh nghiệp cũng không hẳn toàn là hàng hóa chuẩn hóa. Một phần quyết định mua hàng cũng không thể giao cho AI tự chủ xử lý; phán quyết về công ty luật, hạng mục mua lại, hay nhà cung cấp cốt lõi thuộc về lựa chọn chiến lược, và hậu quả mang tính chủ quan tác động lớn. Tương tự như việc chọn rượu vang, bắt buộc con người tự ra quyết định; lúc đó ví quản lý tự chủ hầu như vô dụng.

Quy luật này áp dụng cho mọi lĩnh vực: ví AI độc lập quản lý chỉ tạo giá trị ở lớp hàng hóa chuẩn hóa; còn các hoạt động chuẩn hóa thường tập trung trong nội bộ doanh nghiệp — quy mô lớn nhất và nhu cầu dày đặc nhất.

Nút thắt thật sự chưa bao giờ nằm ở thanh toán

Công nghệ luân chuyển tiền đã trưởng thành từ lâu; khâu thanh toán không hề tồn tại “điểm nghẽn”. Nút thắt thật sự khi triển khai mua sắm với AI nằm ở hai mảng khác.

Thứ nhất, thiếu nguồn dữ liệu đáng tin. Tiền đề để tự động hóa ra phán đoán là dữ liệu phải thật sự chính xác và đáng tin; một khi thông tin nền bị sai lệch, AI ra quyết định tự chủ sẽ khuếch đại tác động tiêu cực của tin giả với tốc độ của máy. Tình trạng đánh giá giả tràn lan đã là vấn đề công khai của ngành. Ủy ban Thương mại Liên bang Mỹ (FTC) ban hành quy định mới năm 2024 (có hiệu lực từ 21/10), cấm rõ ràng các đánh giá giả của sản phẩm; quy định cũng làm rõ rằng AI tạo sinh sẽ hạ thấp đáng kể ngưỡng sản xuất hàng loạt đánh giá giả. Phạt theo từng giao dịch vi phạm tối đa 51.744 USD; đến cuối năm 2025, cơ quan quản lý đã phát đi nhiều thư cảnh báo.

Vấn đề hàng giả với sản phẩm thật cũng nghiêm trọng không kém. Theo dữ liệu năm 2025 của OECD và Cơ quan Sở hữu Trí tuệ Liên minh châu Âu (EUIPO), quy mô buôn bán hàng giả toàn cầu năm 2021 khoảng 4670 tỷ USD, chiếm 2,3% tổng thương mại toàn cầu; hàng giả nhập khẩu vào EU chiếm 4,7% tổng lượng nhập khẩu, tập trung nặng ở các phân khúc như thời trang, giày túi, hàng xa xỉ — đúng là nhóm hàng hóa thuộc tiêu dùng hưởng thụ. Chứng từ truy xuất nguồn gốc theo từng đơn vị, đánh giá có thể xác minh thực sự, giám định độc lập của bên thứ ba, và lưu trữ chứng từ lưu chuyển theo từng sản phẩm (chỉ thị chống hàng giả của EU, hay dự luật chuỗi cung ứng thuốc ở Mỹ đã bắt buộc triển khai cho bao bì dược phẩm) là điều kiện tiên quyết để AI đánh giá an toàn.

Thứ hai, quyền định nghĩa nhu cầu của con người không thể tự động hóa. Chỉ cần tiêu chuẩn nhu cầu do con người xác định, thì việc sàng lọc, đối chiếu và thanh toán về sau đều có thể tự động hóa. Nhưng việc định nghĩa nhu cầu của chính mình đương nhiên không thể giao cho máy. Nếu AI thay bạn tạo ra tiêu chuẩn nhu cầu, thì sở thích hình thành cuối cùng sẽ không còn thuộc về chính bạn.

Cấp ví cho AI agent chỉ giải quyết khâu tiền tệ đơn giản nhất. Hướng đáng để tập trung sâu hơn là: tự động hóa sàng lọc và đánh giá một cách an toàn, có kiểm soát; đồng thời trả lại cho con người hai quyền cốt lõi — định nghĩa tiêu chí phán xét và tận hưởng niềm vui của lựa chọn cuối cùng.

Kết luận

Điểm cuối cùng cần nhấn mạnh là: với các sản phẩm tiêu dùng mang tính trải nghiệm, một khi kênh mua sắm đã được thương mại hóa, sản phẩm sẽ xuất hiện ở khắp nơi. Khi đó, sản phẩm của bạn không còn là thứ “hàng hóa” nữa, và điều còn lại chính là lựa chọn. Nền tảng cần tối ưu mức độ chuẩn hóa thông tin để AI dễ dàng truy xuất: dữ liệu sản phẩm có đủ chuỗi truy xuất có thể xác minh và cấu trúc sạch, có thể hướng AI dẫn người dùng tới nền tảng của mình. Trên cơ sở đó, giữ vững lợi thế cốt lõi mà tự động hóa không thể thay thế, mở rộng ranh giới thẩm mỹ của người dùng cho các khám phá tiêu dùng mới, và cuối cùng là trải nghiệm vui vẻ khi chọn đúng sản phẩm. Giao phần thu thập thông tin cho AI agent, để năng lực cạnh tranh cốt lõi của nền tảng tập trung vào xây dựng trải nghiệm lựa chọn tốt hơn.