Human-in-the-Loop Là Gì? Vì Sao AI Agent Vẫn Cần Con Người Phê Duyệt

Human-in-the-Loop (HITL) là mô hình vận hành AI trong đó con người tham gia trực tiếp vào quá trình giám sát, kiểm soát hoặc ra quyết định để đảm bảo độ chính xác, an toàn và trách nhiệm giải trình — và trong bối cảnh AI agent ngày càng tự chủ hơn, đây không còn là lựa chọn tùy ý mà đang trở thành nghĩa vụ pháp lý tại nhiều quốc gia.

Human-in-the-Loop Là Gì? Định Nghĩa Chuẩn Từ IBM và EU AI Act

IBM định nghĩa HITL là hệ thống trong đó con người tham gia trực tiếp vào vận hành, giám sát hoặc ra quyết định của hệ thống tự động nhằm đảm bảo độ chính xác, an toàn và trách nhiệm giải trình.^[1] Nói đơn giản hơn: AI đề xuất, con người phê duyệt — hoặc ít nhất là có quyền can thiệp trước khi hành động xảy ra.

Quan trọng hơn, EU AI Act Điều 14 đã nâng HITL từ khuyến nghị lên thành yêu cầu pháp lý bắt buộc đối với các hệ thống AI rủi ro cao tại Liên minh châu Âu.^[2] Điều này có nghĩa là các tổ chức triển khai AI trong y tế, tín dụng, tuyển dụng hay thực thi pháp luật không thể đơn giản "thả" AI chạy tự động mà không có cơ chế giám sát của con người.

Tuy nhiên, cần lưu ý: HITL không phải thuốc chữa bách bệnh. Nếu người phê duyệt không có đủ thông tin, thời gian hoặc thẩm quyền thực sự để thay đổi kết quả, thì HITL chỉ là hình thức.^[2]

Ba Tầng Giám Sát AI: HITL, HOTL và Human-Out-of-Loop Khác Nhau Thế Nào?

Không phải mọi tình huống đều cần mức độ giám sát như nhau. Trong thực tế, có ba tầng giám sát chính mà các tổ chức cần phân biệt rõ:^[3]

• Human-in-the-Loop (HITL): Con người phê duyệt trước khi AI thực thi hành động. Phù hợp với các quyết định có tác động lớn như phê duyệt khoản vay, ký hợp đồng, hoặc can thiệp y tế.
• Human-on-the-Loop (HOTL): AI hành động trước, con người giám sát sau và có thể can thiệp nếu phát hiện vấn đề. Phù hợp với các tác vụ lặp lại, rủi ro trung bình.
• Human-out-of-Loop: AI hoàn toàn tự động, không có sự can thiệp của con người. Chỉ phù hợp với các tác vụ rủi ro rất thấp, đã được kiểm chứng kỹ lưỡng.

McKinsey 2025 ghi nhận 88% tổ chức đang dùng AI trong ít nhất một nghiệp vụ, trong khi Moody's cho biết 53% đã dùng AI trong risk & compliance — tăng từ 30% năm 2023.^[17] Sự tăng trưởng nhanh này khiến việc lựa chọn đúng tầng giám sát trở nên cấp thiết hơn bao giờ hết.

Synchronous Gate, Async Escalation và Parallel Feedback Là Gì?

Trong một framework HITL hiện đại, ba cơ chế kỹ thuật sau đây giúp cân bằng giữa tốc độ tự động hóa và mức độ kiểm soát:^[24]

• Synchronous Gate (Cổng đồng bộ): AI dừng lại và chờ con người phê duyệt trước khi tiếp tục. Dùng cho các quyết định rủi ro cao — ví dụ: chuyển khoản trên ngưỡng giá trị nhất định.
• Async Escalation (Leo thang bất đồng bộ): AI thực thi nhưng đồng thời gửi cảnh báo cho con người xem xét. Dùng cho rủi ro trung bình — ví dụ: phân loại hợp đồng tự động nhưng gắn cờ các điều khoản bất thường.
• Parallel Feedback (Phản hồi song song): AI hoạt động bình thường, con người định kỳ xem lại kết quả để cải thiện mô hình. Dùng cho rủi ro thấp — ví dụ: phân loại email, gắn nhãn dữ liệu.

Tại Sao Tài Chính và Pháp Lý Không Nên Để AI Chạy Hoàn Toàn Tự Động?

Deloitte CFO Signals 2026 cho thấy 78% CFO xác định mất kiểm soát và giám sát không đầy đủ là rào cản chính khi áp dụng AI trong tài chính.^[13] Con số này không đáng ngạc nhiên: trong tài chính, một quyết định sai có thể gây thiệt hại hàng triệu đô la hoặc vi phạm pháp luật.

Trong lĩnh vực pháp lý, rủi ro còn lớn hơn. AI có thể "ảo giác" (hallucinate) — tức là tạo ra các trích dẫn luật không tồn tại, diễn giải sai điều khoản hợp đồng, hoặc bỏ qua các ngoại lệ quan trọng.^[12] Không có luật sư nào muốn ký tên vào một văn bản mà họ không thực sự kiểm tra.

GDPR Điều 22 và SR 11-7: Nghĩa Vụ Pháp Lý Bắt Buộc Về Giám Sát Con Người

Hai quy định sau đây đặt ra nghĩa vụ pháp lý cụ thể mà các tổ chức không thể bỏ qua:^[16]

• GDPR Điều 22: Cho phép cá nhân yêu cầu con người xét duyệt các quyết định tự động có tác động pháp lý (như từ chối tín dụng, sa thải). Quan trọng: quy trình xem xét phải thực chất — người xét duyệt phải có thẩm quyền thực sự để thay đổi kết quả, không chỉ "cao su đóng dấu".
• US Banking SR 11-7 (Federal Reserve & OCC): Yêu cầu giám sát liên tục của con người đối với đầu ra mô hình AI trong ngân hàng, kèm theo kiểm định định kỳ, đánh giá kết quả và lưu hồ sơ mọi lần override (ghi đè quyết định AI).

Vi phạm các quy định này không chỉ dẫn đến phạt tiền mà còn tạo ra trách nhiệm pháp lý cá nhân cho lãnh đạo tổ chức.^[12]

Rủi Ro Thực Tế Khi Bỏ Qua HITL: Prompt Injection và Mất Kiểm Soát Agent

Một trong những rủi ro kỹ thuật nguy hiểm nhất của AI agent hiện đại là prompt injection — tấn công trong đó kẻ xấu nhúng các lệnh ẩn vào dữ liệu đầu vào để khiến AI thực hiện hành động ngoài ý muốn.^[10] Ví dụ: một email độc hại có thể chứa lệnh ẩn khiến AI agent tự động chuyển tiền hoặc xóa dữ liệu.

Nếu không có HITL, không có ai để phát hiện và dừng hành động này lại. International AI Safety Report 2026 cảnh báo rằng các AI agent có khả năng hành động tự chủ cao đang tạo ra các vector tấn công mới mà các biện pháp bảo mật truyền thống chưa được thiết kế để xử lý.^[18]

"Khi AI agent có thể gọi API, gửi email, thực thi code và truy cập cơ sở dữ liệu — mỗi hành động đều cần một điểm kiểm soát rõ ràng."

Mô Hình Phê Duyệt Hybrid Thực Tế: 80–90% Tự Động Hóa Vẫn An Toàn

Nhiều tổ chức lo ngại rằng áp dụng HITL sẽ làm chậm quy trình. Thực tế không phải vậy. Một framework HITL được thiết kế tốt cho phép 80–90% tác vụ chạy hoàn toàn tự động, chỉ dừng lại để phê duyệt ở những điểm thực sự quan trọng.^[23]

Cách phân loại thực tế theo mức độ rủi ro:

1. Rủi ro cao (ví dụ: phê duyệt khoản vay >500 triệu, ký hợp đồng pháp lý): Synchronous gate — AI dừng, chờ người phê duyệt.
2. Rủi ro trung bình (ví dụ: phân loại hóa đơn bất thường, gắn cờ giao dịch đáng ngờ): Async escalation — AI tiếp tục nhưng gửi cảnh báo.
3. Rủi ro thấp (ví dụ: trích xuất dữ liệu từ hóa đơn chuẩn, phân loại email): Parallel feedback — AI tự động, con người xem lại định kỳ.

Cách Hardcode Yêu Cầu Phê Duyệt Vào Workflow Để AI Không Tự Bỏ Qua

Đây là điểm kỹ thuật quan trọng nhất: yêu cầu phê duyệt phải được hardcode vào hệ thống workflow, không để AI agent tự quyết định có cần phê duyệt hay không.^[23] Nếu logic phê duyệt nằm trong prompt hoặc trong reasoning của AI, thì prompt injection hoặc lỗi suy luận có thể khiến agent bỏ qua bước này.

Các nguyên tắc triển khai thực tế:

• Định nghĩa trigger conditions cứng trong code (không trong prompt): ví dụ if transaction_amount > threshold → require_human_approval()
• Sử dụng interrupt mechanisms ở tầng orchestration (LangGraph, Temporal, hoặc các workflow engine tương tự) để AI không thể tự bypass.^[15]
• Lưu audit trail đầy đủ: ai phê duyệt, lúc nào, với thông tin gì — đặc biệt quan trọng cho SR 11-7 và GDPR.

Lợi Ích Đo Được: Tổ Chức Áp Dụng HITL Nhanh Hơn 65% và Ít Sự Cố Hơn 40%

Dữ liệu thực tế cho thấy HITL không phải là rào cản mà là chất xúc tác cho việc áp dụng AI. Các tổ chức triển khai framework HITL có cấu trúc áp dụng AI nhanh hơn 65% và ít sự cố tuân thủ hơn 40% so với cách tiếp cận tự động hoàn toàn.^[11] Lý do đơn giản: khi nhân viên và lãnh đạo tin tưởng rằng có cơ chế kiểm soát, họ sẵn sàng giao nhiều tác vụ hơn cho AI.

Lợi ích cụ thể theo từng nhóm:^[4]

• Với tổ chức: Giảm chi phí tuân thủ, tăng tốc độ triển khai AI, xây dựng được audit trail cho cơ quan quản lý.
• Với nhân viên: Tập trung vào các quyết định phức tạp thay vì tác vụ lặp lại; dữ liệu phê duyệt của họ giúp AI cải thiện liên tục.^[8]
• Với khách hàng: Quyết định minh bạch hơn, có thể khiếu nại và yêu cầu xem xét lại theo GDPR Điều 22.

Xu hướng 2026 cho thấy các nền tảng HITL đang tích hợp sâu hơn vào workflow automation, với khả năng tự động điều chỉnh ngưỡng rủi ro dựa trên lịch sử phê duyệt — tức là hệ thống học được khi nào cần hỏi con người và khi nào không.^[22] Đây là hướng đi giúp HITL vừa an toàn vừa không làm chậm tốc độ vận hành.

Nguồn tham khảo

1. Human in the Loop AI: Keeping AI Aligned with Human Values — Holistic AI
2. 'Human in the loop' in AI risk management — not a cure-all approach | IAPP
3. Human-in-the-Loop: A 2026 Guide to AI Oversight — Strata.io
4. Human-In-The-Loop: What, How and Why | Devoteam
5. Human-Centered Artificial Intelligence (HCAI): Foundations and Approaches — arXiv
6. Human-in-the-Loop Artificial Intelligence: A Systematic Review — MDPI
7. Toward Human-Centered AI-Assisted Terminology Work — arXiv
8. Enabling Self-Improving Agents to Learn at Test Time With Human-In-The-Loop Guidance — arXiv
9. Human-in-the-Loop through Chain-of-Thought — arXiv
10. Toward Safe and Responsible AI Agents: A Three-Pillar Model — arXiv
11. Human-in-the-Loop AI (HITL) - Complete Guide | Parseur
12. Human-in-the-Loop: The Only Responsible AI for Legal and Compliance | Exterro
13. Human-in-the-Loop AI for Finance: Governance and Control Framework | Peakflo
14. What Is 'Human-In-The-Loop' And Why It Matters For AI In Finance — Forbes
15. Human-in-the-Loop AI Agents: Deploying Agentic AI With Control | Elementum
16. Human in the Loop: What It Means for AI Compliance and When It's Required — Kiteworks
17. Human in the loop: Why human oversight still matters in AI-driven risk and compliance — Moody's
18. International AI Safety Report 2026 — arXiv
19. AI Workflow Automation Trends in 2026 — CFlow
20. 10 Proven AI Support Platforms for Hybrid Human-AI Workflows | Fini Labs
21. The Top 5 AI Workflow Automation Trends Set to Transform 2026 — Definition Tech
22. Future of Human-in-the-Loop AI (2026) — Parseur
23. AI Agent Approval Workflows: Human Oversight That Scales [2026] — Waxell
24. Human-in-the-Loop Escalation Design for AI Agents 2026 — Digital Applied
25. AI Workflow Integration 2026 — AI Personalization