Agentic UX là gì? Thiết kế khi AI hành động sai

Bạn yêu cầu AI tìm 3 chuyến bay phù hợp cho chuyến công tác tuần sau.

AI không dừng lại ở việc tìm kiếm. Nó tự chọn một chuyến, dùng thẻ công ty để thanh toán, và gửi luôn email xác nhận cho khách hàng đang chờ ở đầu kia.

Không ai yêu cầu nó làm vậy. Nhưng nó vẫn làm, vì trong phạm vi quyền được cấp, "tìm chuyến bay phù hợp" và "hoàn tất việc đặt vé" là cùng một mục tiêu dưới góc nhìn của agent.

Đây là lúc câu hỏi UX thay đổi hoàn toàn. Với sản phẩm truyền thống, câu hỏi là "giao diện có dễ dùng không". Với chatbot, câu hỏi là "câu trả lời có chính xác không". Còn với AI agent, câu hỏi trở thành: ai cho phép AI hành động, và khi nó hành động sai, ai là người nhìn thấy đầu tiên?

Ba câu hỏi đáng để bất kỳ đội sản phẩm nào tự hỏi trước khi thêm một agent vào flow:

1. Người dùng có biết AI sắp làm gì trước khi nó làm không?

2. Người dùng có thể dừng, hoàn tác hoặc tiếp quản giữa chừng không?

3. Nếu AI chỉ hoàn thành 8 trên 10 bước, ai chịu trách nhiệm cho 2 bước còn lại?

Nếu sản phẩm của bạn chưa có câu trả lời rõ ràng cho cả 3 câu hỏi này, đây chính là lúc cần nói về Agentic UX.

Agentic UX là gì?

Agentic UX (Agentic User Experience) là cách thiết kế trải nghiệm người dùng cho các hệ thống AI agent có khả năng chủ động hiểu mục tiêu, lập kế hoạch, đưa ra quyết định và thực hiện nhiều bước hành động thay mặt người dùng, thay vì chỉ phản hồi từng yêu cầu như chatbot truyền thống.

Khác với UX truyền thống, trong đó người dùng trực tiếp thực hiện từng bước, Agentic UX cho phép người dùng giao mục tiêu cho AI và xác định phạm vi quyền hạn, trong khi AI tự thực hiện nhiệm vụ trong phạm vi được cho phép. Vì vậy, thiết kế Agentic UX cần giúp người dùng hiểu AI đang làm gì, biết AI sẽ làm gì tiếp theo, xác nhận các hành động quan trọng, can thiệp khi cần và hoàn tác hoặc kiểm soát kết quả.

Nói ngắn gọn, Agentic UX là thiết kế trải nghiệm cho các hệ thống AI có tính tự chủ, trong đó con người giao mục tiêu, AI thực hiện hành động và người dùng vẫn duy trì quyền kiểm soát.

Để rà lại các lỗi nền tảng trước khi thiết kế agent, xem 57 lỗi UX/UI website thường gặp và cách sửa.

3 đặc điểm cốt lõi của Agentic UX

1. Tính tự chủ cao. Agent tự phân tích mục tiêu, tự chia nhỏ công việc thành nhiều bước, và tự vận hành cả một quy trình nhiều bước mà không cần người dùng thao tác thủ công từng bước một.

2. Hành động thật, không chỉ gợi ý. Khác với chatbot chỉ tạo ra câu trả lời bằng văn bản, AI agent trực tiếp thực thi thao tác trên ứng dụng hoặc công cụ khác, ví dụ đặt vé, gửi email, cập nhật dữ liệu.

3. Vai trò người dùng chuyển từ thực hiện sang giám sát. Người dùng không còn tự tay làm từng bước, mà chuyển sang vai trò theo dõi tiến độ, phê duyệt các điểm quan trọng, và can thiệp khi cần.

Ba đặc điểm này cũng là ba trục mà phần lớn pattern thiết kế Agentic UX trong bài xoay quanh: pattern cho tính tự chủ (Autonomy Dial, Permission Scope), pattern cho hành động thật (Progress Stream, Action Audit), và pattern cho vai trò giám sát (Pause/Stop/Take Over, Human Hand-off).

Từ giao diện phản hồi sang giao diện hành động

UX truyền thống vận hành theo logic người dùng thao tác, hệ thống phản hồi. Mỗi cú click, mỗi lần submit đều do người dùng chủ động thực hiện.

Conversational UX (chatbot, trợ lý hội thoại) thêm một lớp trung gian: người dùng đưa ra yêu cầu bằng ngôn ngữ tự nhiên, AI trả lời bằng văn bản. Người dùng vẫn là người quyết định bước tiếp theo.

Agentic UX khác ở một điểm cốt lõi: người dùng giao mục tiêu, còn AI tự lập kế hoạch, tự chọn công cụ để dùng, và tự thực hiện nhiều bước liên tiếp, đôi khi ngay cả khi người dùng không còn nhìn vào màn hình.

Trọng tâm của Agentic UX không phải là làm cho AI trông thông minh hơn, mà là giúp người dùng luôn hiểu AI đang làm gì, kiểm soát được phạm vi quyền hạn, có khả năng dừng hoặc hoàn tác hành động, và phục hồi an toàn khi AI mắc lỗi.

Vòng đời cơ bản của một AI agent

Một agent thường vận hành theo chu trình:

Ý định người dùng
→ AI diễn giải ý định
→ Lập kế hoạch các bước cần làm
→ Xin quyền, hoặc tự hành động nếu đã có quyền
→ Thực hiện nhiều bước, gọi nhiều công cụ/API
→ Báo cáo kết quả
→ Sửa lỗi hoặc chuyển giao cho con người nếu cần

Mỗi mũi tên trong chu trình này là một điểm mà thiết kế UX có thể can thiệp, và cũng là một điểm mà lỗi có thể xảy ra.

Agentic UX không đồng nghĩa với chatbot UX

Nếu đội sản phẩm của bạn đang thiết kế một agent nhưng vẫn dùng mental model của chatbot, chỉ lo về chất lượng câu trả lời, rủi ro lớn nhất không nằm ở việc AI trả lời sai, mà ở việc AI hành động sai mà không ai kịp nhận ra.

Vì sao lỗi của AI agent nguy hiểm hơn lỗi giao diện thông thường?

Một quyết định sai có thể tạo hậu quả bên ngoài giao diện

Lỗi giao diện truyền thống thường dừng lại ở màn hình: sai layout, sai màu, form không submit được. Người dùng thấy ngay và có thể refresh lại.

Lỗi của AI agent thì khác. Nó có thể:

• Gửi email đến sai khách hàng.
• Đặt sai chuyến bay hoặc sai khách sạn.
• Xóa dữ liệu quan trọng.
• Chuyển tiền sai tài khoản hoặc sai số tiền.
• Thay đổi giá sản phẩm trên website đang bán.
• Đăng nội dung chưa được duyệt lên kênh chính thức.

Những hậu quả này xảy ra ngoài giao diện, trong hệ thống thật, với dữ liệu thật. Đến khi người dùng phát hiện, hành động đã xảy ra rồi.

Agent có thể sai ở giữa một workflow dài

Với một tác vụ nhiều bước, lỗi không chỉ có dạng "thành công" hoặc "thất bại". Có 4 dạng cần phân biệt khi thiết kế:

• Total failure: không bước nào hoàn thành.
• Partial failure: một số bước đã hoàn thành, một số chưa.
• Silent failure: hệ thống báo "thành công" nhưng kết quả thực tế không đúng như yêu cầu.
• Cascading failure: một bước sai kéo theo các bước sau sai theo, vì agent vẫn tiếp tục dựa trên dữ liệu sai từ bước trước.

Silent failure là dạng nguy hiểm nhất, vì người dùng không có lý do gì để nghi ngờ và can thiệp.

Người dùng không nhìn thấy mọi hành động của AI

Đây là một dạng "invisible UX": giao diện có thể trông rất đơn giản, chỉ một ô chat, nhưng bên dưới là hàng loạt tool call, API request và quyết định tự động mà người dùng không hề thấy. Giao diện càng đơn giản, khoảng cách giữa "những gì người dùng nghĩ đang xảy ra" và "những gì thực sự đang xảy ra" càng lớn, trừ khi thiết kế chủ động thu hẹp khoảng cách đó.

7 kiểu lỗi phổ biến trong Agentic UX

1. AI hiểu sai ý định

Người dùng yêu cầu "đặt chuyến bay rẻ nhất". AI tìm đúng giá thấp nhất, nhưng bỏ qua việc chuyến đó không có hành lý ký gửi và phải nối chuyến 2 lần.

Về mặt kỹ thuật, AI làm đúng yêu cầu. Về mặt trải nghiệm, nó hiểu sai ý định thật sự của người dùng.

Cách khắc phục:

• Hiển thị intent preview: AI diễn giải lại yêu cầu bằng ngôn ngữ của chính nó trước khi hành động.
• Liệt kê rõ những giả định đang được dùng, ví dụ "rẻ nhất" đang tính cả phí hành lý hay chưa.
• Cho phép người dùng chỉnh tiêu chí ngay tại bước preview, trước khi AI thực hiện.

2. AI hành động vượt quá quyền được giao

Người dùng chỉ yêu cầu "soạn email trả lời khách hàng", nhưng agent tự động gửi luôn email đó.

Đây là lỗi phổ biến nhất khi một sản phẩm chuyển từ "trợ lý đề xuất" sang "trợ lý hành động" mà không tách rõ ranh giới quyền hạn.

Cách khắc phục:

• Thiết kế permission scope rõ ràng cho từng loại hành động.
• Áp dụng autonomy levels: tách quyền "soạn nháp", "đề xuất" và "thực hiện thật" thành 3 cấp riêng biệt, không gộp chung.

3. AI hành động nhưng không cho biết đang làm gì

Người dùng bấm nút, màn hình im lặng vài giây rồi hiện kết quả. Ở giữa khoảng đó, không ai biết AI đang làm gì, đã làm đến đâu, hay có thể dừng được không.

Cách khắc phục:

• Plan preview trước khi chạy.
• Progress stream hiển thị trạng thái từng bước theo thời gian thực.
• Luôn có nút pause và cancel khả dụng, không ẩn trong menu phụ.

4. AI chỉ hoàn thành một phần workflow

Ví dụ thực tế: agent đã đặt khách sạn thành công, nhưng chưa đặt được chuyến bay, và mới gửi thông báo cho một phần người nhận trong danh sách.

Nếu giao diện chỉ hiển thị một trạng thái tổng "thất bại", người dùng sẽ không biết phần nào đã xong, dẫn đến việc lặp lại thao tác hoặc hủy nhầm phần đã thành công.

Cách khắc phục:

• Hiển thị rõ từng bước đã hoàn thành, tách biệt với bước thất bại.
• Cung cấp lựa chọn theo từng bước: "Thử lại bước này", "Bỏ qua và tiếp tục", "Để tôi tự làm phần này".

5. AI trả lời sai với độ tự tin quá cao

AI trình bày một kết luận sai với giọng điệu chắc chắn như một sự thật đã kiểm chứng, khiến người dùng không có lý do để nghi ngờ.

Cách khắc phục:

• Thêm tín hiệu về mức độ tin cậy (confidence signal) cho những kết luận quan trọng.
• Nêu rõ nguồn dữ liệu được dùng để đưa ra kết luận.
• Phân tách rõ ràng giữa fact (dữ liệu xác thực), assumption (giả định) và recommendation (đề xuất).
• Với hành động rủi ro cao, luôn đưa về trạng thái cần người dùng duyệt, bất kể AI "tự tin" đến đâu.

6. AI tạo ra hành động không thể hoàn tác

Một số hành động, một khi đã thực hiện, không thể đơn giản undo: gửi email, gửi thông báo push, thanh toán, xóa vĩnh viễn.

Cách khắc phục:

• Thêm confirmation gate trước các hành động này.
• Preview rõ hậu quả sẽ xảy ra, không chỉ preview hành động.
• Xác nhận lại đối tượng, giá trị và phạm vi ảnh hưởng: gửi cho ai, số tiền bao nhiêu, ảnh hưởng đến dữ liệu nào.
• Với hành động rủi ro cao, có thể yêu cầu thêm một bước xác thực phụ, ví dụ nhập lại mật khẩu hoặc mã OTP.

7. Không có đường chuyển sang con người

Khi agent bế tắc, nhiều sản phẩm chỉ dừng lại ở một thông báo lỗi chung chung, không có lối thoát rõ ràng.

Cách khắc phục:

• Thiết kế human hand-off như một luồng chính thức, không phải phần vá thêm.
• Chuyển toàn bộ context và lịch sử hành động của agent sang cho người tiếp nhận, không bắt người dùng kể lại từ đầu.
• Thông báo rõ ai đang tiếp nhận và khi nào họ sẽ phản hồi.

Microsoft gợi ý rằng khi hệ thống không thể hiểu đúng ý định người dùng sau một số lượt tương tác hợp lý, sản phẩm nên chủ động chuyển sang con người hoặc đưa ra phương án thay thế, thay vì tiếp tục thử với cùng một cách tiếp cận.

Framework thiết kế Agentic UX theo 3 giai đoạn

Cách tổ chức pattern dễ áp dụng nhất là chia theo 3 thời điểm: trước khi AI hành động, trong khi AI đang hành động, và sau khi AI đã hành động.

Giai đoạn 1: Trước khi AI hành động

Intent Preview

Trước khi thực hiện bất kỳ hành động nào có ảnh hưởng thật, AI nên hiển thị:

• AI hiểu mục tiêu của người dùng như thế nào.
• Những bước dự kiến sẽ thực hiện.
• Dữ liệu và công cụ nào sẽ được dùng.
• Kết quả dự kiến sau khi hoàn thành.
• Những giả định mà AI đang tự đặt ra.

Đây là bước rẻ nhất để tránh lỗi loại 1, hiểu sai ý định, vì nó cho người dùng cơ hội sửa trước khi tốn công sửa sau.

Autonomy Dial

Không phải mọi agent đều cần mức độ tự chủ giống nhau, và không phải người dùng nào cũng thoải mái với cùng một mức tự chủ. Bốn cấp độ có thể dùng làm khung tham chiếu:

1. Observe: AI chỉ quan sát và phát hiện vấn đề, không hành động.

2. Suggest: AI đề xuất phương án, nhưng không tự thực hiện.

3. Act with confirmation: AI chuẩn bị hành động và chờ người dùng duyệt.

4. Act autonomously: AI tự thực hiện trong phạm vi đã được xác định trước.

Cho phép người dùng chọn mức autonomy phù hợp, thay vì áp một mức duy nhất cho mọi tình huống, là cách giảm rủi ro mà không làm chậm những use case ít rủi ro.

Permission Scope

Quyền nên được cấp theo phạm vi cụ thể, không cấp theo kiểu "tất cả hoặc không gì cả".

Thay vì: "Cho phép AI truy cập toàn bộ tài khoản."

Nên là: "Cho phép AI xem lịch và tạo bản nháp sự kiện. AI không được gửi lời mời nếu chưa được xác nhận."

Phạm vi quyền càng hẹp và càng cụ thể, thiệt hại tối đa nếu agent hành động sai càng nhỏ.

Giai đoạn 2: Trong khi AI đang hành động

Progress Stream

Tiến độ cần hiển thị ở mức người dùng hiểu được, không phải ở mức kỹ thuật:

✓ Đã tìm 24 chuyến bay
✓ Đã loại 17 chuyến không phù hợp
→ Đang kiểm tra phí hành lý
○ Chưa đặt vé

Không nên hiển thị toàn bộ chuỗi suy luận nội bộ (chain-of-thought) của AI. Người dùng cần biết AI đang làm gì, dựa trên tiêu chí nào, điều gì đã xong và điều gì đang chờ, không cần biết từng bước suy luận AI đã sinh ra.

Pause, Stop và Take Over

Trong suốt quá trình agent chạy, người dùng cần luôn có khả năng:

• Tạm dừng ngay lập tức.
• Hủy các bước chưa thực hiện.
• Tiếp quản một bước cụ thể để tự làm.
• Thay đổi tiêu chí giữa chừng, không cần hủy toàn bộ và bắt đầu lại.
• Giảm mức autonomy của agent nếu thấy không yên tâm.

Explainable Rationale

Mỗi hành động quan trọng nên đi kèm một câu giải thích ngắn theo công thức: "Vì bạn đã chọn X, tôi thực hiện Y."

Ví dụ: "Tôi chọn chuyến bay này vì bạn ưu tiên chuyến bay thẳng và tổng giá dưới 5 triệu đồng."

Câu giải thích này không cần dài, nhưng cần đủ cụ thể để người dùng có thể phản bác nếu logic đó sai.

Giai đoạn 3: Sau khi AI hành động

Action Audit

Mọi hành động của agent nên được ghi lại: hành động gì, thời điểm nào, tài khoản hoặc dữ liệu nào bị ảnh hưởng, quyền nào đã được dùng, và kết quả của từng bước. Audit log không chỉ phục vụ việc debug, mà còn là cơ sở để xử lý khi có tranh chấp hoặc khiếu nại.

Undo và Rollback

Ba cơ chế cần phân biệt rõ:

• Undo: hoàn tác một hành động đơn lẻ.
• Rollback: đưa toàn bộ workflow về một checkpoint an toàn trước đó.
• Compensating action: khi hành động không thể hoàn tác trực tiếp, tạo một hành động bù trừ để giảm thiệt hại, ví dụ hoàn tiền khi không thể hủy một giao dịch đã xử lý.

Error Recovery

Mỗi trạng thái lỗi nên trả lời được 5 câu hỏi:

1. Chuyện gì vừa xảy ra?

2. Những bước nào đã hoàn thành?

3. Những gì chưa bị ảnh hưởng?

4. Hệ thống có thể tự sửa được gì?

5. Người dùng cần làm gì tiếp theo?

Human Hand-off

Chuyển giao cho con người nên là chuyển giao quyền sở hữu thật sự, kèm đầy đủ context, chứ không chỉ là thêm một nút "Liên hệ hỗ trợ" ở cuối màn hình lỗi.

Khi nào AI phải xin phép người dùng?

Một cách dễ áp dụng để quyết định khi nào cần confirmation là dùng ma trận 2 trục: mức độ ảnh hưởng của hành động, và khả năng hoàn tác nếu nó sai.

Ví dụ cho từng nhóm: đổi tên file hay lưu bản nháp thường thuộc nhóm ảnh hưởng thấp, dễ hoàn tác. Gửi email hoặc thanh toán thường thuộc nhóm ảnh hưởng cao. Xóa dữ liệu hoặc công bố nội dung công khai gần như luôn thuộc nhóm cần xác nhận rõ ràng nhất.

Một lưu ý quan trọng: không nên yêu cầu xác nhận cho mọi hành động. Làm vậy sẽ tạo ra "confirmation fatigue", khiến người dùng bấm "Đồng ý" theo phản xạ mà không thực sự đọc, làm mất tác dụng của chính cơ chế xác nhận. Friction chỉ nên xuất hiện đúng tại điểm thực sự rủi ro, không rải đều khắp flow.

Cách viết error message khi AI agent mắc lỗi

Một thông báo lỗi tốt cho AI agent nên theo công thức 6 phần:

1. Xác nhận lỗi đã xảy ra.

2. Nêu hành động cụ thể gây ảnh hưởng.

3. Cho biết phần nào đã hoàn thành.

4. Cho biết biện pháp sửa ngay lập tức, nếu có.

5. Đưa ra các lựa chọn tiếp theo cho người dùng.

6. Cung cấp đường dẫn human hand-off.

Ví dụ chưa tốt:

Something went wrong. Please try again.

Thông báo này không cho biết điều gì đã xảy ra, phần nào đã hoàn thành, hay người dùng có bị ảnh hưởng gì không.

Ví dụ tốt hơn:

Tôi chưa thể hoàn tất việc đặt vé.
Khách sạn đã được đặt thành công, nhưng giao dịch vé máy bay bị từ chối.
Bạn chưa bị trừ tiền vé máy bay.

[Thử lại bước này] [Chọn thẻ khác] [Hủy đặt khách sạn] [Nhờ nhân viên hỗ trợ]

Sự khác biệt không nằm ở độ dài, mà ở việc thông báo thứ 2 cho người dùng đủ thông tin để tự quyết định bước tiếp theo mà không cần đoán.

3 tình huống Agentic UX thực tế

AI agent đặt chuyến công tác

Các điểm cần thiết kế: intent preview cho tiêu chí chuyến bay và khách sạn, giới hạn ngân sách, quyền sử dụng thẻ thanh toán, progress stream theo từng bước đặt vé, xử lý partial failure khi một phần đặt thành công, và cơ chế undo nếu cần hủy sau khi đã đặt.

AI sales agent gửi email khách hàng

Các điểm cần thiết kế: tách rõ quyền "tạo bản nháp" và quyền "gửi thật", hiển thị danh sách người nhận trước khi gửi, cho phép preview nội dung, giới hạn số lượng gửi trong một lần, ghi audit log đầy đủ, và có quy trình thu hồi hoặc gửi follow-up khi phát hiện gửi sai.

AI agent cập nhật nội dung website

Các điểm cần thiết kế: mọi thay đổi CTA hoặc nội dung nên chạy qua staging trước, hiển thị diff rõ ràng giữa bản cũ và bản mới, yêu cầu duyệt trước khi publish lên production, và giữ version history để rollback khi cần.

Đây cũng là tình huống sát nhất với nhóm khách hàng đang cân nhắc AI agent hỗ trợ vận hành website: rủi ro không nằm ở việc AI viết nội dung dở, mà ở việc nội dung sai được publish trước khi có ai kịp xem lại.

Nếu use case gắn với vận hành website, đội sản phẩm có thể tham khảo dịch vụ thiết kế website chuyên nghiệp và hướng dẫn tối ưu website cho AI Search của Markdao.

Cách kiểm thử Agentic UX trước khi phát hành

Không chỉ kiểm thử happy path

Một bộ test case cho Agentic UX cần bao gồm cả các tình huống lệch khỏi kịch bản lý tưởng:

• Người dùng đưa yêu cầu mơ hồ.
• Agent thiếu dữ liệu cần thiết để hoàn thành.
• Tool hoặc API mà agent phụ thuộc bị mất kết nối giữa chừng.
• Một bước thất bại ở giữa một workflow nhiều bước.
• Agent chuẩn bị thực hiện một hành động vượt quá quyền đã cấp.
• Người dùng đổi ý giữa lúc agent đang chạy.
• Người dùng đóng trình duyệt hoặc mất kết nối giữa quá trình.
• Hai agent, hoặc agent và người dùng, tạo ra hành động xung đột nhau.
• Agent chuẩn bị thực hiện một hành động không thể hoàn tác.
• Kênh human hand-off không khả dụng tại thời điểm cần.

Nếu bộ test chỉ dừng ở happy path, đội sản phẩm sẽ không phát hiện các lỗi này cho đến khi người dùng thật gặp phải, và khi đó chi phí sửa đã cao hơn nhiều.

Các chỉ số nên theo dõi sau khi ra mắt

Ngoài các chỉ số UX quen thuộc, Agentic UX cần thêm một nhóm chỉ số riêng: tỷ lệ hoàn thành tác vụ, tỷ lệ hành động ngoài dự kiến, tỷ lệ người dùng phải chỉnh sửa lại kết quả của agent, tỷ lệ dùng undo, tỷ lệ phải chuyển sang human hand-off, thời gian trung bình để phục hồi sau lỗi, và tỷ lệ phục hồi thành công sau partial failure.

Hai câu hỏi định tính cũng nên được đưa vào nghiên cứu người dùng định kỳ: người dùng có hiểu trạng thái hiện tại của agent không, và họ có dự đoán đúng hành động tiếp theo của AI không. Nếu câu trả lời cho cả 2 đều là không, vấn đề nằm ở thiết kế minh bạch, không phải ở năng lực của model.

Checklist 12 điểm cho một Agentic UX an toàn

Sản phẩm AI của bạn đang đáp ứng được bao nhiêu trong 12 tiêu chí này?

1. AI nói rõ khả năng
   Người dùng biết ngay AI có thể làm gì và giới hạn ở đâu.
2. AI giải thích cách hiểu yêu cầu
   Người dùng biết AI đang hiểu mục tiêu và context như thế nào.
3. Hiển thị kế hoạch trước khi hành động
   Các bước chính được preview trước khi AI thực hiện.
4. Quyền truy cập theo phạm vi
   Chỉ cấp đúng dữ liệu, công cụ và quyền cần thiết.
5. Người dùng kiểm soát mức tự chủ
   Có thể chọn AI chỉ đề xuất, xin duyệt từng bước hoặc tự thực hiện.
6. Tiến độ luôn rõ ràng
   Người dùng biết AI đang làm gì, đã làm đến đâu và còn gì tiếp theo.
7. Luôn có Pause, Cancel và Take over
   Con người có thể dừng hoặc tiếp quản bất cứ lúc nào.
8. Hành động rủi ro cao cần xác nhận
   Không hành động thay người dùng chỉ vì AI có độ tin cậy cao.
9. Mọi hành động đều có Audit Log
   Có thể truy lại AI đã làm gì, khi nào và dựa trên context nào.
10. Có Undo hoặc Rollback
    Khi có lỗi, hệ thống có cách khôi phục hoặc thực hiện compensating action.
11. Partial failure không làm mất kết quả
    Những bước đã hoàn thành vẫn được giữ lại và có thể tiếp tục xử lý.
12. Human hand-off giữ nguyên context
    Khi chuyển sang con người, toàn bộ lịch sử, trạng thái và lý do được bàn giao cùng nhau.

AI agent tốt không chỉ là agent làm được nhiều việc.

Nó phải cho người dùng biết AI đang làm gì, vì sao làm, được phép làm đến đâu và con người có thể can thiệp ở đâu.

12/12 không nhất thiết là mục tiêu cho mọi sản phẩm. Nhưng nếu bạn không biết sản phẩm của mình đang ở đâu, đó mới là rủi ro.

Trong Agentic UX, khả năng sửa sai quan trọng hơn khả năng tỏ ra thông minh.

AI agent sẽ có lúc mắc lỗi. Vì vậy, thay vì cố tạo cảm giác AI luôn đúng, Agentic UX cần dự đoán sai sót và thiết kế sẵn cách phát hiện, can thiệp và khôi phục.

Niềm tin không đến từ việc AI trông toàn năng. Niềm tin đến từ việc người dùng biết AI đang làm gì, kiểm soát được AI được phép làm gì và có thể sửa hoặc hoàn tác khi có vấn đề.

Một Agentic UX tốt không khiến AI trông thông minh tuyệt đối. Nó giúp con người biết khi nào có thể tin, khi nào cần kiểm tra và khi nào phải giành lại quyền kiểm soát.