Giao diện đang rời khỏi màn hình - UX thay đổi bởi chat, giọng nói và AI dạng tác tử

• Khi trọng tâm của phần mềm rời khỏi màn hình và menu để chuyển sang đối thoại/ủy quyền/thực thi nền, đối tượng của thiết kế UX cũng đang thay đổi: không còn là các màn hình cố định, mà là những hệ thống diễn giải ý định của người dùng và hành động
• Chat không phải là giao diện thay thế mọi tác vụ; khi người dùng biết rõ mình muốn gì thì nên dùng GUI có cấu trúc, còn chỉ khi mục tiêu mơ hồ mới phù hợp với giao diện hội thoại
• Vì giọng nói được tiếp nhận như một tương tác xã hội, việc duy trì ngữ cảnh hội thoại quan trọng hơn các lệnh đơn lẻ; độ trễ/mất ngữ cảnh/khôi phục lỗi trở thành vấn đề nghiêm trọng hơn nhiều so với giao diện dựa trên màn hình
• AI dạng tác tử có thể làm việc mà không cần giao diện, nhưng để người dùng tin tưởng, nó phải cho thấy kế hoạch hành động, tiến độ, phạm vi quyền hạn và thời điểm không thể hoàn tác; các mẫu cốt lõi là khả kiến kế hoạch/ủy quyền tăng dần/can thiệp tinh tế
• Cả ba mô hình đều chuyển trọng tâm của UX từ luồng tương tác sang ý định và quan hệ tin cậy, nhưng nguyên tắc cơ bản vẫn giữ nguyên: người dùng muốn được thấu hiểu, duy trì quyền kiểm soát, và được tôn trọng về thời gian cũng như sự chú ý

---

Sự phân hóa của UX lấy màn hình làm trung tâm

• Trong 30 năm qua, thiết kế UX là công việc thiết kế màn hình, menu, modal, nút bấm, carousel và luồng giữa các trạng thái
  • Ẩn dụ desktop gồm cửa sổ, thư mục và tệp đã cung cấp bộ từ vựng chung để tạo ra sản phẩm số
• Bộ từ vựng này không biến mất, mà đang phân hóa thành nhiều phương thức tương tác hầu như không giống nhau
  • Người dùng nói chuyện với phần mềm, ủy quyền tác vụ, và đôi khi chỉ kiểm tra kết quả đã được xử lý sẵn trong nền
  • Màn hình vẫn tiếp tục tồn tại, nhưng không còn là bề mặt đại diện cho hợp đồng cơ bản giữa con người và sản phẩm
• Ba mô hình đang tái cấu trúc UX hiện nay là chat, giọng nói và AI dạng tác tử; mỗi mô hình đòi hỏi một hợp đồng tương tác khác nhau

Chat không phải là giao diện đa dụng

• Năm 2022, không nhiều người từng nhập lệnh ngôn ngữ tự nhiên vào giao diện sản phẩm, nhưng đến năm 2025, 73% doanh nghiệp sẽ sử dụng một dạng giao diện hội thoại nào đó trong tương tác với khách hàng
• Ô nhập văn bản nổi lên như một yếu tố UI cốt lõi, nhưng bản thân chat không bảo đảm UX tốt
• Conversational Design của Erika Hall phân biệt rằng hội thoại chỉ phù hợp khi hệ thống và người dùng cần thương lượng ý nghĩa
  • Khi người dùng đã biết việc mình muốn làm, như thêm vào giỏ hàng, lọc theo giá, gửi biểu mẫu, giao diện có cấu trúc sẽ nhanh hơn, chính xác hơn và ít gây mệt mỏi hơn
  • Hội thoại hiệu quả khi người dùng đang khám phá, mục tiêu không rõ ràng, và khó diễn đạt nhu cầu bằng nhấp chuột hoặc biểu mẫu
• Các sản phẩm áp dụng điều này không thay thế toàn bộ sản phẩm chỉ bằng chat, mà dùng giao diện lai
  • Notion AI không thay thế tài liệu, mà hoạt động trong thanh bên cạnh tài liệu
  • Command palette của Linear xử lý việc tạo ticket mà người dùng đã biết rõ, còn AI xử lý các câu hỏi mơ hồ như “Điều gì đang cản trở đội mobile?”
  • GitHub Copilot không thay IDE bằng cửa sổ chat, mà cung cấp gợi ý inline trong môi trường làm việc hiện có
• Tiêu chí cốt lõi là: khi ý định của người dùng rõ ràng, dùng GUI có cấu trúc; khi ý định mơ hồ, dùng hội thoại
  • Nếu coi chat là phương tiện đa dụng để giải quyết mọi vấn đề giao diện, chi phí tương tác không cần thiết sẽ phát sinh

Độ rõ ràng của ý định quyết định giao diện

• Bằng sáng chế US20260065349A1 về hệ thống gợi ý dựa trên ý định nhiều bước chia yêu cầu thành hai cấp
  • Ý định vi mô là yêu cầu có độ tin cậy cao trong cùng một danh mục
  • Ý định vĩ mô là mục tiêu khám phá trải rộng qua nhiều danh mục
• Việc cung cấp giao diện nào không nên được quyết định bởi sản phẩm lấy chat hay GUI làm trung tâm, mà bởi ý định của người dùng rõ ràng đến mức nào
• Thay vì cải thiện ô tìm kiếm, Perplexity tạo ra một trang trả lời cho mỗi câu hỏi bằng cách lắp ráp theo thời gian thực phần tóm tắt, trích dẫn nguồn, câu hỏi tiếp theo và dữ liệu có cấu trúc
• Trong nghiên cứu, cách người dùng nói điều mình muốn và giao diện phù hợp với mục đích đó được lắp ráp tại chỗ được gọi là Generative UI
  • Thay vì trực tiếp tạo mọi trạng thái màn hình, nhà thiết kế sẽ thiết kế hệ thống và quy tắc tạo ra trạng thái phù hợp
  • Vai trò chuyển từ viết các câu hoàn chỉnh sang tạo ra ngữ pháp để sinh câu

Thiết kế niềm tin cho giao diện sinh tạo

• Nếu hiển thị văn bản tuần tự thay vì đưa ra kết quả sinh tạo cùng một lúc, người dùng sẽ nhận thức rằng hệ thống đang làm việc chứ không phải bị treo
• Nút dừng luôn hiển thị trong khi sinh tạo đem lại cảm giác rằng người dùng có thể can thiệp vào quá trình xử lý không minh bạch
• Trích dẫn nguồn có thể nhấp biến chatbot từ một “đấng phán quyết” tuyên bố đáp án đúng thành một cộng tác viên cùng xem xét bằng chứng
• Những thiết kế tương tác nhỏ như streaming, nút dừng và hiển thị nguồn quyết định niềm tin và khả năng được chấp nhận của toàn bộ hệ thống

Giọng nói không phải kênh ra lệnh, mà là kênh xã hội

• Giao diện giọng nói đã được trình bày như cốt lõi của điện toán xung quanh từ thời loa thông minh, nhưng trải nghiệm thực tế không đạt kỳ vọng
• Từ cuối năm 2025, trọng tâm của thay đổi bắt đầu chuyển không phải sang màn hình mà sang tai
• Siri AI công bố vào tháng 6 năm 2026 được trình bày không phải là trợ lý giọng nói gắn thêm vào điện thoại, mà là lớp hội thoại xuyên thiết bị
  • Có thể bắt đầu câu hỏi trên iPhone và tiếp tục trên iPad, với ngữ cảnh hội thoại được duy trì
  • Nhận biết nội dung đang thấy trên màn hình và tận dụng ngữ cảnh cá nhân từ email, lịch và ảnh
  • Các yêu cầu nhạy cảm được xử lý bằng suy luận on-device để bảo vệ quyền riêng tư, đồng thời mở rộng AirPods thành giao diện chính thay vì thiết bị phụ trợ
• Wired for Speech của Clifford Nass và Scott Brave phân tích rằng con người tiếp nhận giọng nói không phải như một kênh ra lệnh, mà như kênh tương tác xã hội
  • Khi nghe giọng nói, hệ thống nhận thức xã hội kỳ vọng tính tương hỗ, ngữ cảnh và quan hệ được kích hoạt
  • Siri cũ là mô hình giao dịch: ra lệnh, nhận kết quả rồi quan hệ kết thúc, nên lệch với các kỳ vọng này
  • Mô hình mới hướng tới cấu trúc quan hệ duy trì ngữ cảnh qua hội thoại, thiết bị và thời gian

Điều kiện thất bại mà Humane AI Pin và Rabbit R1 cho thấy

• Humane AI Pin là sản phẩm wearable tập trung vào giọng nói, không có màn hình, được đầu tư 240 triệu USD; ra mắt vào tháng 4 năm 2024 với giá 699 USD nhưng bị ngừng sản xuất trước khi tròn một năm
• Designing Voice User Interfaces của Cathy Pearl nêu độ trễ và khôi phục lỗi là các biến số cốt lõi quyết định trải nghiệm giọng nói
  • AI Pin mất 2–5 giây ngay cả với câu hỏi thường ngày, và trong giao diện giọng nói, 2 giây cũng đã rất dài
  • Trạng thái bị đặt lại sau mỗi tương tác, nên không cung cấp được ngữ cảnh liên tục — điều kiện cơ bản của hội thoại
• Rabbit R1 cũng gặp vấn đề tương tự khi ra mắt, nhưng được cải thiện không phải bằng thay đổi phần cứng mà khi RabbitOS 2 vào cuối năm 2025 phản ánh các yêu cầu của tương tác giọng nói
• UX giọng nói nhạy cảm với độ trễ và mất ngữ cảnh hơn nhiều so với màn hình
  • Trên màn hình, người dùng có thể quét các yếu tố xung quanh và tự xác định lại vị trí hiện tại
  • Trong giọng nói không có mốc thị giác hỗ trợ trí nhớ không gian, nên khi luồng hội thoại bị đứt, việc khôi phục rất khó
  • Mức yêu cầu về hạ tầng để phản hồi nhanh, duy trì ngữ cảnh và khôi phục lỗi tự nhiên cũng cao hơn

Các yếu tố thiết kế mới cho tai và cơ thể

• Âm thanh không gian xuất hiện như một lớp phản hồi thay thế màn hình
  • Phân tích cảnh âm thanh thời gian thực của AirPods phân biệt tín hiệu và tiếng ồn xung quanh, cho phép dùng chính âm thanh làm phương tiện truyền đạt trạng thái
• Rung xúc giác của wearable cho phép xác nhận hành động hoàn tất mà không cần nhìn màn hình
• Mô hình giọng nói không phải là vấn đề thiết kế chức năng trò chuyện với điện thoại, mà là thiết kế tương tác xảy ra trong khi đang làm việc khác như nấu ăn, đi bộ, lái xe
  • Sự chú ý của người dùng chỉ hướng một phần vào sản phẩm
  • Ngữ cảnh không nằm trong màn hình, mà nằm trong hoạt động cơ thể và môi trường xung quanh
  • Chỉ với mô hình thiết kế lấy bố cục màn hình làm trung tâm thì khó đáp ứng

AI dạng tác tử hành động mà không cần giao diện

• AI dạng tác tử vượt ra ngoài việc trả lời câu hỏi: nó sử dụng công cụ, duyệt web, viết mã, gửi email và nộp biểu mẫu trong một chuỗi hành động
• Trong giai đoạn 2024–2025, nó chuyển từ bản trình diễn nghiên cứu sang sản phẩm thực tế
  • OpenAI Operator thực hiện đặt bàn nhà hàng
  • Anthropic Claude thao tác trình duyệt web thay người dùng thông qua computer use API
  • Salesforce Agentforce xử lý các ca dịch vụ khách hàng từ đầu đến cuối mà không cần con người can thiệp
• Gartner dự báo tỷ lệ ứng dụng doanh nghiệp tích hợp tác tử AI chuyên biệt cho công việc, từ dưới 5% vào năm 2025, sẽ đạt 40% vào cuối năm 2026
• Tác tử không cần giao diện để thực hiện công việc, nhưng để người dùng tin tưởng, họ cần một giao diện khả kiến để hiểu và kiểm soát hành động

Tăng cả tự động hóa lẫn kiểm soát của con người

• Human-Centered AI của Ben Shneiderman cho rằng cách tiếp cận thay thế phán đoán của con người bằng tác tử tự trị là vội vàng về kỹ thuật và nguy hiểm về đạo đức
• Giải pháp thay thế không phải là hạ tự động hóa để bảo đảm kiểm soát của con người, hay loại bỏ kiểm soát của con người để tăng tự động hóa, mà là cung cấp đồng thời kiểm soát cao của con người và tự động hóa cao
• Thay vì tối thiểu hóa vai trò của con người, cần thiết kế sự giám sát sao cho dễ hiểu, dễ tiếp cận và ít tạo gánh nặng
• Mục tiêu của UX tác tử không phải là chọn giữa tự trị và kiểm soát, mà là xây dựng tính tự trị có thể kiểm soát ngay từ đầu

Nghịch lý về tính minh bạch của tác tử

• Một tác tử âm thầm hành động mà không giải thích gì có thể hiệu quả nhưng gây sợ hãi
• Một tác tử liên tục giải thích mọi hành động có thể đáng tin nhưng khiến người dùng kiệt sức vì log hệ thống
• Thiết kế phù hợp phải cho thấy đủ để người dùng cảm nhận quyền kiểm soát, đồng thời giới hạn thông tin để họ không bị hoạt động nội bộ của hệ thống áp đảo
• Các mẫu thường thấy trong sản phẩm tác tử đã triển khai thực tế là khả kiến kế hoạch, ủy quyền tăng dần và can thiệp tinh tế

Khả kiến kế hoạch

• Trước khi bắt đầu hành động, tác tử phải cho người dùng thấy mình định làm gì
• Không nên dùng ngôn ngữ hệ thống như thực thi POST /api/calendar/event, mà phải dùng cách diễn đạt con người có thể hiểu, như “Tôi định đặt bàn lúc 7 giờ tối tại nhà hàng bạn nói. Trước tiên tôi kiểm tra còn chỗ nhé?”
• Bản xem trước trước khi thực thi trở thành điểm mà người dùng quyết định có tin hệ thống hay không
• Ngay cả trong nghiên cứu học tăng cường đa tác tử, để nhiều tác tử duy trì tính nhất quán của hệ thống, chúng phải chia sẻ kế hoạch trước khi hành động

Ủy quyền tăng dần

• Không trao toàn bộ tính tự trị cho tác tử ngay từ đầu, mà phải mở rộng theo mức độ tin cậy đã giành được
• Tác tử của Intercom bắt đầu bằng các tác vụ đơn giản, có độ chắc chắn cao, và yêu cầu phê duyệt trước khi thực hiện hành động rủi ro cao
• Lịch sử phê duyệt trước đây của người dùng hoạt động như một mô hình niềm tin; tác tử càng chứng minh được độ tin cậy thì càng có quyền hành động rộng hơn
• Con người vẫn ở trong vòng lặp không phải bằng cách trực tiếp làm việc, mà bằng cách đặt ranh giới mà tác tử không được vượt qua

Can thiệp tinh tế và hành động không thể hoàn tác

• Người dùng phải có thể yêu cầu dừng và giành lại quyền kiểm soát ở bất kỳ thời điểm nào trong workflow của tác tử
• Vì tác tử có thể thực hiện những hành động khó đảo ngược như gửi email hoặc đặt vé máy bay, chỉ một chức năng hoàn tác đơn giản là không đủ
• Thay vì cố khôi phục sau hành động, hệ thống phải đánh dấu rõ và xin phê duyệt trước khi vượt qua điểm không thể hoàn tác

Khả năng giải thích trở thành chính sản phẩm

• Khi hệ thống AI lâm sàng chỉ hiển thị khuyến nghị mà không có căn cứ, nhân viên y tế đã không sử dụng nó
• Sau khi giao diện được thay đổi để chỉ hiển thị một khuyến nghị mỗi lần, cung cấp bảng căn cứ và khả năng bỏ qua chỉ bằng một cú nhấp, việc chấp nhận sử dụng đã diễn ra
• Mô hình AI hay kết quả khuyến nghị không thay đổi, chỉ giao diện thay đổi
• Trong UX tác tử, khả năng giải thích không phải là tính năng gắn thêm để tuân thủ quy định, mà là trải nghiệm sản phẩm cốt lõi khiến người dùng chấp nhận sản phẩm

Từ trạng thái màn hình sang hành vi hệ thống

• Nhà thiết kế không chỉ thiết kế trạng thái hiển thị trong giao diện, mà cả cách hệ thống hành động khi người dùng không nhìn thấy
• Câu hỏi cũng chuyển từ “Người dùng thấy gì?” sang “Người dùng phải có thể tin điều gì để tin tưởng hệ thống này?”
• Hành vi, trách nhiệm, ý định và phán đoán về niềm tin trở nên quan trọng hơn cấu trúc thị giác

Từ tương tác sang ý định

• The Design of Everyday Things của Don Norman cho rằng thiết kế thất bại khi cách người dùng tin hệ thống hoạt động khác với cách nó thực sự hoạt động
• UX truyền thống giả định rằng người dùng đã quyết định hành động sẽ thực hiện trước khi đến giao diện
  • Menu tồn tại vì người dùng biết cần mở menu nào
  • Biểu mẫu tồn tại vì người dùng biết cần điền trường nào
• Trên thực tế, thứ người dùng mang tới không phải là ý định cụ thể mà là mục tiêu trừu tượng hơn
  • Giả định bỏ qua khác biệt này không hoàn toàn chính xác, nhưng đủ hữu ích trong 30 năm để xây dựng UX dựa trên màn hình
• Các giao diện mới tách mục tiêu khỏi ý định
  • Chat cho phép người dùng nói mục tiêu bằng ngôn ngữ tự nhiên, rồi hệ thống cụ thể hóa ý định
  • Giọng nói cho phép diễn đạt mục tiêu cả trong tình huống không thể dùng tay
  • Tác tử nhận mục tiêu một lần và thực thi kế hoạch nhiều bước để đáp ứng mục tiêu đó
• Thay đổi chung nối kết ba mô hình là ý định, chứ không phải tương tác, trở thành đối tượng thiết kế chính

Nhà thiết kế thiết kế quan hệ tin cậy

• Vai trò của nhà thiết kế chuyển từ người thiết kế luồng tương tác sang người thiết kế quan hệ tin cậy giữa con người và hệ thống hành động thay người dùng
• Những đối tượng mới cần xử lý bao gồm
  • Người dùng sẽ ủy quyền bao nhiêu việc cho hệ thống
  • Hệ thống sẽ diễn giải yêu cầu mơ hồ như thế nào
  • Làm sao xác nhận khác biệt giữa điều người dùng nói và điều họ thực sự muốn
• Công việc này cần công cụ và phương pháp đánh giá mới
  • Nghiên cứu tương tác người-AI đề xuất phương pháp không chỉ đo việc hoàn thành tác vụ, mà còn đánh giá liệu người dùng có cảm thấy đã nhận đủ thông tin và vẫn duy trì quyền kiểm soát hay không
• Khi xây dựng hệ thống phán đoán thay người dùng, cũng cần các tiêu chuẩn đạo đức về việc những quyết định nào có thể được ủy quyền

Thách thức của nhà thiết kế chat/giọng nói/tác tử

• Với giao diện chat, việc khó nhất là xác định điểm không nên dùng chat, hơn là điểm nên áp dụng chat
  • Sản phẩm tạo ra kết quả không phải là sản phẩm có AI mạnh nhất, mà là sản phẩm phân biệt chính xác tác vụ nào phù hợp với hội thoại và tác vụ nào phù hợp với biểu mẫu
  • Sự phân biệt này không phải là quyết định kỹ thuật, mà là quyết định thiết kế
• Với giao diện giọng nói, cần thiết kế các yếu tố ngoài màn hình
  • Vì thời gian phản hồi quan trọng hơn bố cục, cần thiết kế thời gian
  • Cần thiết kế ngữ cảnh bằng cách cân nhắc người dùng đang nhớ điều gì
  • Cần thiết kế cách khôi phục hội thoại khi hệ thống không hiểu
  • Phản hồi âm thanh, xúc giác, tín hiệu không gian và chiến lược khôi phục hội thoại trở thành công cụ mới
• Hệ thống dạng tác tử là lĩnh vực có ít mẫu đã được xác lập nhất và rủi ro cao nhất
  • Các quyết định về minh bạch, kiểm soát can thiệp và ủy quyền tăng dần quyết định liệu người dùng cảm thấy được trao quyền hay bị giám sát
  • Điều này cũng ảnh hưởng, vượt ra ngoài từng sản phẩm riêng lẻ, tới mức độ tự trị mà con người sẽ trao cho AI trong nhiều ngành
• Nếu hỗ trợ cả ba mô hình trong một sản phẩm, còn phải giải quyết vấn đề điều phối: kết nối các giao diện có hợp đồng tương tác khác nhau thành một trải nghiệm nhất quán

Nguyên tắc UX không thay đổi

• Dù giao diện mới xuất hiện, người dùng vẫn muốn cảm thấy rằng mình được thấu hiểu
• Họ sợ mất quyền kiểm soát, né tránh sản phẩm mờ đục và tin tưởng sản phẩm trung thực
• Những sản phẩm khiến người dùng cảm thấy mình kém năng lực hoặc chậm chạp sẽ tiếp tục bị bỏ qua
• Vai trò của một nhà thiết kế UX giỏi luôn là khiến người dùng cảm thấy mình có năng lực và được thấu hiểu
• Chat, giọng nói và tác tử là những nhạc cụ mới để làm điều đó, còn các tiêu chí rõ ràng/tin cậy/thú vị/tôn trọng thời gian và sự chú ý vẫn không đổi

Đọc thêm

• Erika Hall — Conversational Design
• Cathy Pearl — Designing Voice User Interfaces
• Clifford Nass / Scott Brave — Wired for Speech
• Ben Shneiderman — Human-Centered AI
• Don Norman — The Design of Everyday Things