1. Vấn đề thực tế

Việc lạm dụng AI trong học tập không còn dừng ở copy-paste câu trả lời từ chatbot. Nó đã tiến thêm một bước: agent có thể tự vận hành thay vì chỉ trả lời khi được hỏi.

Blackboard — một trong những nền tảng LMS lớn nhất — đã đưa ra cảnh báo về việc các AI Agent có khả năng chiếm gần trọn quy trình học tập của sinh viên, từ đọc tài liệu, làm bài, đến nộp kết quả, khiến việc đánh giá tính trung thực học thuật gần như bất khả thi nếu không có cơ chế giám sát mới.

Một ví dụ cụ thể cho xu hướng “trình duyệt biết hành động thay người dùng” là Comet — trình duyệt AI của Perplexity, ra mắt giữa năm 2025 và mở miễn phí cho mọi nền tảng từ đầu 2026. Cần nói rõ: Comet không phải là một “mô hình AI” mà là một trình duyệt tích hợp agent, có thể tự mở tab, đọc nội dung trang, điền form và hoàn thành tác vụ nhiều bước thay người dùng. Nó không được thiết kế riêng cho việc “làm hộ bài thi”, nhưng năng lực agentic-browsing này là đúng dạng công cụ khiến các nền tảng giáo dục lo ngại: agent không cần biết trước cấu trúc bài thi, chỉ cần biết đọc và click như người thật.

Hệ quả rõ nhất: điểm số có thể tăng mà không phản ánh đúng năng lực. Vấn đề không phải “học sinh lười” mà là công cụ đã vượt qua tốc độ mà quy trình đánh giá có thể theo kịp.

2. Thử nghiệm thực tế

Để hiểu rõ agent hoạt động thế nào ở mức cơ bản, mình dựng thử một môi trường đơn giản: Ubuntu 22.04, Python 3.10, không giao diện đồ họa — chỉ terminal.

Một lưu ý quan trọng cần đính chính: thư viện openai đã đổi hoàn toàn cú pháp kể từ bản v1.0 (ra mắt tháng 11/2023). Cách gọi kiểu cũ (openai.ChatCompletion.create(...), openai.api_key = ...) không còn chạy được với các bản SDK hiện tại — chạy sẽ báo lỗi ngay. Cú pháp đúng hiện nay dùng client object:

$ pip install openai
$ export OPENAI_API_KEY="sk-..."
$ python - << 'EOF'
from openai import OpenAI

client = OpenAI()  # tự đọc OPENAI_API_KEY từ biến môi trường

response = client.chat.completions.create(
    model="gpt-5-mini",
    messages=[
        {"role": "system", "content": "Bạn là trợ lý giáo dục."},
        {"role": "user", "content": "Giải thích định lý Pythagoras bằng ngôn từ đơn giản."}
    ]
)
print(response.choices[0].message.content)
EOF

Cần nói thẳng: đoạn code trên chưa phải là một agent. Đây chỉ là một lệnh gọi API chat đơn thuần — hỏi một câu, nhận một câu trả lời, kết thúc. Một agent thực sự cần thêm ít nhất hai thứ: (1) khả năng gọi công cụ (tool use) — ví dụ đọc file, truy cập web, thao tác trên trình duyệt; và (2) một vòng lặp (loop) cho phép nó tự quyết định bước tiếp theo dựa trên kết quả bước trước, thay vì dừng lại sau một câu trả lời. Muốn dựng thử một agent thật, có thể bắt đầu với các framework như LangChain hoặc CrewAI, vốn cung cấp sẵn cơ chế tool-calling và vòng lặp ra quyết định.

Điểm quan trọng rút ra từ thử nghiệm nhỏ này: khoảng cách giữa “gọi API chatbot” và “agent tự hành động thay người” không hề nhỏ về mặt kỹ thuật — nhưng với người dùng cuối, ranh giới đó gần như vô hình. Đó chính là lý do các nền tảng giáo dục khó phát hiện.

4. Hướng xử lý

Cấm đoán không phải là giải pháp bền — công cụ này sẽ chỉ ngày càng dễ tiếp cận hơn. Vài hướng thực tế hơn:

  • Thiết kế bài tập khó “agent hóa”: yêu cầu trình bày trực tiếp, giải thích quá trình tư duy, hoặc dùng dữ liệu cá nhân/theo thời gian thực mà agent không có sẵn ngữ cảnh để xử lý tốt.
  • Cho sinh viên tự học cách xây agent, thay vì chỉ học cách dùng nó. Hiểu được agent cần tool và loop để hoạt động cũng là hiểu được giới hạn của nó — và giới hạn đó chính là chỗ giáo viên có thể ra đề.
  • Xác minh quá trình, không chỉ kết quả: log thao tác, video ngắn giải trình, hoặc bài tập có bước trung gian bắt buộc nộp.

AI Agent trong giáo dục không tự nhiên là mối đe dọa hay lợi ích — nó phụ thuộc vào việc quy trình đánh giá có được thiết kế lại để tính đến sự tồn tại của nó hay không.

Nguồn tham khảo: tài liệu chính thức của OpenAI về SDK Python v1; cảnh báo của Blackboard/Anthology về AI Agent trong LMS; thông tin cập nhật về Perplexity Comet (2026).