THƯƠNG MẠI TÁC TỬ VÀ NGƯỜI BÁN NHỎ

Khi trợ lý AI tìm, so sánh và đặt hàng thay khách, người bán nhỏ cần chuẩn bị dữ liệu, chính sách và cách nhận diện ra sao

---

Một sáng thứ Hai, chủ một thương hiệu cà phê đặc sản ở Lâm Đồng nhận được một đơn hàng trông rất bình thường trên website: khách quen đặt đúng loại hạt đã mua lần trước. Chỉ có dòng ghi chú là lạ. Đơn được tạo bởi trợ lý AI của khách, theo một lệnh khách đã giao từ trước: "đặt lại cà phê khi sắp hết, dưới 400.000 đồng". Không ai trong cửa hàng nói chuyện với khách, không ai tư vấn, không ai chạy quảng cáo. Một phần mềm đã tự tìm đến, tự đọc trang sản phẩm, tự so giá và tự đặt hàng.

Tình huống trên là giả định, nhưng không còn xa. Các trợ lý AI đã bắt đầu tìm kiếm, so sánh và trong một số trường hợp tự hoàn tất giao dịch thay người dùng. Khi đó, người bán không chỉ bán cho con người mà còn bán cho phần mềm đại diện cho con người. Phần mềm ấy không bị thuyết phục bởi một tấm ảnh đẹp hay một câu khẩu hiệu; nó đọc dữ liệu và nếu dữ liệu thiếu thì sản phẩm coi như không tồn tại.

Bài viết gồm năm mục. Mục 1 định nghĩa thương mại tác tử và cách đọc các dự báo về quy mô của nó. Mục 2 mô tả bốn mức ủy quyền từ gợi ý đến tự mua. Mục 3 giải thích ngăn xếp giao thức đang hình thành và lớp nào người bán cần quan tâm. Mục 4 đề xuất bốn việc chuẩn bị theo thứ tự đầu tư tăng dần, cùng bài toán nhận diện tác tử. Mục 5 bàn nơi thương mại tác tử gặp bán sỉ giữa các doanh nghiệp.

1. Thương mại tác tử là gì

Thương mại tác tử (agentic commerce) là hình thức mua bán trong đó một tác tử AI, tức phần mềm có khả năng tự thực hiện chuỗi hành động để đạt mục tiêu do người dùng giao, tìm kiếm, so sánh và có thể hoàn tất giao dịch thay người dùng. Bài AI Agent là gì? Ứng dụng tác nhân AI trong doanh nghiệp nhỏ giải thích cách một tác tử hoạt động; bài này nhìn từ phía người bán: điều gì thay đổi khi khách hàng của mình gửi một tác tử đến thay vì tự đến.

1.1. Tác tử thay đổi hành vi mua ở đâu

Tác tử không thay đổi mọi kiểu mua như nhau. Heinemann chỉ ra rằng người dùng đặc biệt không còn muốn tự mua các sản phẩm thường ngày, mua lặp lại; tác tử tìm và so sánh trong tích tắc, tự động hóa các lần mua lặp lại và có thể làm tăng tỷ lệ chuyển đổi vì ít giỏ hàng bị bỏ dở hơn (Heinemann, 2026). Nói cách khác, nhiệm vụ mua bổ sung định kỳ, như cà phê, sữa, giấy vệ sinh hay thức ăn cho thú cưng, là nơi tác tử vào trước. Những lần mua cần cảm hứng, như chọn quà hay chọn một chiếc váy, sẽ thay đổi chậm hơn.

1.2. Đọc thận trọng các dự báo về quy mô

Các con số về thương mại tác tử thường rất lớn và cần được đọc kỹ. Heinemann dẫn dự báo của giới chuyên gia rằng đến năm 2030 hơn 30% đơn hàng thương mại điện tử sẽ do tác tử AI đặt và nhận định rằng thương mại tác tử có thể mở ra một sự thay đổi mô hình trong ngành (Heinemann, 2026). Một dự báo được trích nhiều khác cho rằng đến năm 2030 tác tử AI có thể tham gia vào khoảng 9 nghìn tỷ USD chi tiêu trực tuyến toàn cầu. Nhưng vì thương mại điện tử chỉ chiếm khoảng 20% tổng bán lẻ toàn cầu, ngay cả kịch bản lạc quan đó cũng chỉ tương đương khoảng 5% tổng doanh số bán lẻ; và người mua dùng trợ lý AI để tìm hiểu sản phẩm vẫn dùng các kênh khác trong hành trình (Tidio, 2026).

Thực tế triển khai cũng chưa đi thẳng. Tháng 3 năm 2026, OpenAI dừng tính năng thanh toán ngay trong ChatGPT, chuyển khâu thanh toán về ứng dụng hoặc website của người bán (Forrester, 2026). Bài học cho người bán nhỏ: chuẩn bị cho tác tử là đáng làm, nhưng không nên đặt cược toàn bộ kế hoạch vào một nền tảng hay một giao thức. Đây cũng là một ví dụ của nguyên tắc đọc bằng chứng mà bài Bốn trụ giá trị của AI trong doanh nghiệp đã bàn: dự báo không phải dữ kiện.

2. Bốn mức ủy quyền

Thương mại tác tử không phải chuyện có hoặc không, mà là một thang ủy quyền. Mỗi bậc cao hơn chuyển một phần quyết định từ người dùng sang tác tử, như Hình 1.

Hình 1. Bốn mức ủy quyền trong thương mại tác tử. Nguồn: dựa trên Tidio (2026).

Ở mức thấp nhất, tác tử gợi ý sản phẩm, người dùng tự chọn và tự mua. Ở mức hai, tác tử so sánh và đề xuất một lựa chọn. Ở mức ba, tác tử chuẩn bị đơn để người dùng xác nhận bằng một chạm. Ở mức cao nhất, tác tử tự mua trong hạn mức người dùng đã đặt, như lệnh "đặt lại khi sắp hết, dưới 400.000 đồng" ở đầu bài. Hai mức đầu đã phổ biến trong các trợ lý AI hiện nay; hai mức sau còn hạn chế và đòi hỏi những lớp hạ tầng mới về ủy quyền và nhận diện. Càng lên cao, người bán và ngân hàng càng cần bằng chứng rằng tác tử thật sự được phép và chỉ hành động trong phạm vi được phép.

Mỗi mức đòi người bán chuẩn bị một thứ khác nhau. Ở mức một và hai, điều quan trọng là được tác tử nhìn thấy và so sánh đúng: thông tin sản phẩm phải đầy đủ và nhất quán. Ở mức ba và bốn, điều quan trọng thêm là tác tử đặt được hàng: giá, tồn kho và chính sách phải chính xác theo thời gian thực và hệ thống thanh toán phải nhận diện được một khoản chi do tác tử thực hiện là hợp lệ.

3. Ngăn xếp giao thức

Để tác tử mua được hàng, nhiều bên phải "nói cùng một ngôn ngữ": tác tử với công cụ và dữ liệu, tác tử với tác tử, tác tử với hệ thống của người bán, tác tử với ngân hàng. Từ cuối năm 2024 đến đầu năm 2026, một loạt giao thức mở đã ra đời, mỗi giao thức đảm nhận một lớp. Hình 2 xếp chúng thành một ngăn xếp, kèm việc người bán cần chuẩn bị ở từng lớp.

Hình 2. Ngăn xếp giao thức của thương mại tác tử. Nguồn: tổng hợp từ Tidio (2026).

Người bán không cần hiểu kỹ thuật của từng giao thức trong Hình 2, nhưng cần biết lớp nào mình phải chuẩn bị dữ liệu và lớp nào do nền tảng, cổng thanh toán lo. Các giao thức này được thiết kế để người dùng giữ quyền quyết định mua, còn người bán giữ quyền kiểm soát việc hoàn tất đơn, dữ liệu khách hàng và quan hệ khách hàng; tác tử là trung gian, không thay thế bên nào (Tidio, 2026). Ba lớp quan trọng nhất với người bán là:

• Lớp dữ liệu sản phẩm và giao dịch (ACP, UCP) quyết định sản phẩm có được tác tử nhìn thấy và đặt được hay không. Đây là lớp người bán phải tự chuẩn bị nhiều nhất và là chủ đề của mục 4.
• Lớp ủy quyền (AP2) dùng một "ủy quyền ý định" có chữ ký số, hoạt động như một giấy ủy quyền: cho phép tác tử chi tiêu đến một mức, ở những người bán hay ngành hàng xác định, có thể trong một khoảng thời gian. Bằng chứng ủy quyền đi kèm mỗi giao dịch để ngân hàng và người bán biết khoản chi là hợp lệ và người dùng có thể thu hồi quyền (Tidio, 2026).
• Lớp định danh (TAP) giúp người bán phân biệt tác tử hợp lệ với bot độc hại hay bot cào dữ liệu.

Lớp thấp nhất, MCP, do Anthropic công bố cuối năm 2024 như một chuẩn mở để kết nối trợ lý AI với các hệ thống nơi dữ liệu của doanh nghiệp nằm (Anthropic, 2024). Với người bán nhỏ, chỉ cần biết dữ liệu tồn kho và đơn hàng của mình có truy vấn được bằng máy hay không; phần kết nối thường do nhà cung cấp nền tảng bán hàng lo. Bài Chọn hosted hay self-hosted cho website của bạn giúp đánh giá nền tảng nào có khả năng hỗ trợ các giao thức này sớm hơn.

4. Chuẩn bị cho tác tử

Khi trợ lý AI trở thành cửa ngõ mua sắm, dữ liệu sản phẩm có cấu trúc quyết định sản phẩm có xuất hiện trong gợi ý của AI hay không và tác tử có đặt hàng chính xác được hay không (Tidio, 2026). Khác với tìm kiếm truyền thống, ở đây không có "trang hai" để rơi xuống: khi thông tin thiếu, AI đơn giản là gợi ý đối thủ có dữ liệu đầy đủ. Mục này trình bày bốn việc chuẩn bị, rồi bàn bài toán nhận diện tác tử.

4.1. Bốn việc chuẩn bị

Bảng 1 sắp bốn việc chuẩn bị theo thứ tự đầu tư tăng dần, kèm ví dụ cho một thương hiệu cà phê.

Bảng 1. Bốn việc chuẩn bị cho thương mại tác tử

Nguồn: dựa trên Tidio (2026); ví dụ là tình huống giả định.

Việc thứ ba trong Bảng 1 thường bị bỏ qua. Theo một phân tích được Tidio (2026) dẫn lại, website của chính thương hiệu chỉ chiếm khoảng 5–10% các nguồn mà tìm kiếm AI tham chiếu khi tạo câu trả lời; phần còn lại là báo chí, nội dung người dùng và trang liên kết. Bài GEO và AEO cho website bán hàng đi sâu vào cách được AI nhắc đến. Việc thứ tư khó nhất về vận hành và ít được chuẩn hóa nhất trong các giao thức hiện nay: một tác tử đặt nhầm thì ai chịu chi phí đổi trả?

Quay lại thương hiệu cà phê ở đầu bài. Giả sử khi tự rà dữ liệu theo con mắt của một tác tử, đội ngũ phát hiện ba lỗ hổng: trang sản phẩm ghi độ rang lúc "rang vừa", lúc "medium"; ngày rang chỉ in trên bao chứ không có trong dữ liệu; chính sách đổi trả viết bằng văn xuôi dài và có hai chỗ mâu thuẫn về thời hạn. Sửa ba lỗ hổng này có thể chỉ mất hai tuần và gần như không tốn tiền. Một thông tin "ai cũng biết" trong đầu người bán nhưng không có trong dữ liệu thì với tác tử là không tồn tại.

Có thể nhờ chính AI đóng vai tác tử để rà dữ liệu. Một câu lệnh mẫu: "Bạn là một trợ lý mua sắm AI. Dưới đây là dữ liệu sản phẩm và trang chính sách của một cửa hàng: [dán dữ liệu]. Hãy (1) liệt kê thuộc tính nào thiếu hoặc không nhất quán giữa các sản phẩm; (2) chỉ ra câu chính sách nào mơ hồ hoặc mâu thuẫn; (3) thử trả lời ba câu hỏi sau của khách chỉ bằng dữ liệu được cung cấp và đánh dấu chỗ bạn phải đoán: [ba câu hỏi]." AI có thể "bịa" thuộc tính hợp lý cho chỗ trống, nên mọi thuộc tính đề xuất phải được đối chiếu với sản phẩm thật; bài Vì sao AI tạo sinh bị ảo giác và cách phòng giải thích vì sao. Cũng đừng đưa giá vốn, dữ liệu khách hàng hay điều khoản hợp đồng vào câu lệnh.

4.2. Nhận diện tác tử: phục vụ hay chặn

Lưu lượng không phải người đang tăng rất nhanh. Theo số liệu được Tidio tổng hợp, đến cuối năm 2025, cứ 31 lượt truy cập của người vào các trang xuất bản thì có một lượt của bot AI, so với tỷ lệ 1/200 đầu năm (Tidio, 2026). Người bán phải học cách phân biệt tác tử mua hàng hợp lệ, nên được phục vụ tốt, với bot cào giá và bot gian lận, nên bị chặn. Chặn quá chặt thì mất khách đến qua tác tử; mở quá rộng thì mất dữ liệu và bị lợi dụng. Đây là một bài toán an ninh mới và lớp định danh như TAP sinh ra chính là để giải nó. Bài Quản trị rủi ro AI trong doanh nghiệp gợi ý cách đưa loại rủi ro này vào sổ đăng ký rủi ro.

5. Nơi bán sỉ gặp thương mại tác tử

Thương mại tác tử không chỉ xảy ra ở bán lẻ. Những việc mua mà doanh nghiệp đã muốn tự động hóa từ lâu, như đặt lại hàng, so sánh báo giá, theo dõi tồn kho để đặt hàng tự động, là đúng những việc tác tử AI làm tốt: lặp lại, có quy tắc, có dữ liệu. Một chuỗi quán cà phê có thể giao cho tác tử nhiệm vụ "giữ mỗi quán đủ 5 kg hạt, đặt từ nhà cung cấp đã duyệt, không vượt ngân sách tháng". Khi đó nhà rang không còn bán cho người quản lý quán mà bán cho tác tử của chuỗi và tiêu chí chọn nhà cung cấp chuyển từ quan hệ cá nhân sang dữ liệu đáng tin: giá có rõ ràng không, tồn kho có thật không, giao có đúng hẹn như cam kết không.

Điều này có hai mặt với người bán. Mặt tốt: chi phí bán hàng cho mỗi đơn sỉ giảm mạnh và đơn đều hơn. Mặt khó: tác tử so sánh lạnh lùng hơn con người, nên lợi thế quan hệ yếu đi và lợi thế về độ tin cậy được đo mạnh lên, như tỷ lệ giao đúng hẹn, độ ổn định chất lượng, sự minh bạch về nguồn gốc. Một nhà rang nhỏ vẫn cạnh tranh được trong thế giới đó nếu biến những gì mình làm tốt thành dữ liệu kiểm chứng được. Đây cũng là bài học mà bài Hiệu ứng mạng và lợi thế cạnh tranh gợi ý theo một hướng khác: lợi thế bền nằm ở thứ đối thủ khó sao chép.

Kết luận

Thương mại tác tử thay đổi người mà người bán phải thuyết phục. Khi một trợ lý AI tìm, so sánh và đặt hàng thay khách, thứ quyết định sản phẩm có được chọn hay không là dữ liệu: thuộc tính đầy đủ và nhất quán, giá và tồn kho chính xác, chính sách rõ ràng và đọc được bằng máy, cùng dấu chân đáng tin ở những nơi ngoài website. Bốn mức ủy quyền và ngăn xếp giao thức cho thấy hành trình này mới ở bước đầu: hai mức đầu đã phổ biến, hai mức sau còn chờ các lớp ủy quyền và định danh hoàn thiện.

Với người bán nhỏ, cách tiếp cận hợp lý là chuẩn bị những việc rẻ và có ích ngay cả khi tác tử chưa phổ biến: chuẩn hóa dữ liệu sản phẩm, viết lại chính sách cho rõ, xây dấu chân đáng tin ngoài website. Việc tích hợp giao thức có thể chờ nền tảng bán hàng và cổng thanh toán hỗ trợ. Những dự báo hàng nghìn tỷ USD cần được đọc thận trọng, nhưng một danh mục sạch thì có giá trị trong mọi kịch bản.

Đọc thêm

• AI Agent là gì? Ứng dụng tác nhân AI trong doanh nghiệp nhỏ
• GEO và AEO cho website bán hàng
• Xây dựng website bán hàng cho người không chuyên
• Kinh tế đơn vị trong bán hàng trực tuyến
• Quản trị rủi ro AI trong doanh nghiệp
• Ba lần tái sinh mô hình kinh doanh của Taobao

Tài liệu tham khảo

Anthropic. (2024, November 25). Introducing the Model Context Protocol. https://www.anthropic.com/news/model-context-protocol

Forrester. (2026). What it means that the leader in "agentic commerce" just pulled back. Forrester Blogs. https://www.forrester.com/blogs/what-it-means-that-the-leader-in-agentic-commerce-just-pulled-back

Heinemann, G. (2026). Der neue KI-Commerce: Intelligenter E-Commerce und KI-basierte Plattformlösungen im Online-Handel. Springer Gabler. https://doi.org/10.1007/978-3-658-51173-9

Tidio. (2026). AI in e-commerce in 2026: The new shopping funnel. https://www.getlyro.ai/reports/ai-in-ecommerce