Từ "Chat" Đến "Cộng Tác": Kỷ Nguyên Mới Của Giao Diện Người Dùng Tạo Bởi AI (Generative UI)

Dưới đây là bài viết được cấu trúc theo mô hình Kim tự tháp (Pyramid Structure), đi thẳng từ Kết luận tổng quan nhất, sau đó bóc tách thành các Luận điểm, Luận cứ và Dẫn chứng cụ thể dựa trên bài thuyết trình của Ruben Casas.

Từ "Chat" Đến "Cộng Tác": Kỷ Nguyên Mới Của Giao Diện Người Dùng Tạo Bởi AI (Generative UI)

KẾT LUẬN (ĐỈNH THÁP)

Chúng ta đang sở hữu một "siêu máy tính" AI mang tính cách mạng, nhưng lại đang sử dụng nó bằng một giao diện lỗi thời. Tương lai của giao diện người dùng (UI) không dừng lại ở những khung chat xuất hiện ở mọi nơi hay các cửa sổ nổi (floating windows) kiểu Jarvis. Thay vào đó, nó sẽ là sự cộng tác trực tiếp giữa con người và AI (Human-Agent Collaboration) thông qua các không gian chia sẻ, được bảo mật bởi các giao thức như MCP (Model Context Protocol).

LUẬN ĐIỂM 1: AI đã vượt xa khả năng lập trình UI của con người, nhưng giao diện tương tác lại chưa theo kịp.

Luận cứ: Tốc độ phát triển của các mô hình ngôn ngữ lớn (LLM) trong việc viết mã Front-end diễn ra quá nhanh. Mặc dù AI hiện tại đã có khả năng tự động tạo ra các UI phức tạp với độ hoàn thiện cao, phần lớn các ứng dụng hiện nay vẫn đang bị mắc kẹt ở mô hình UI tĩnh hoặc lạm dụng khung chat (Chat everywhere).

Dẫn chứng:
Vào năm 2022 (thời kỳ đầu của ChatGPT), lập trình viên phải thực hiện "poor man's coding" – yêu cầu AI viết mã, copy, paste, sửa lỗi và lặp lại.
Đến giai đoạn cuối năm 2025 (với sự xuất hiện của các mô hình như GPT-5.2 hay Opus 4.5), chỉ với một câu lệnh (prompt) đơn giản để "viết lại blog", AI đã có thể tự động tạo ra một thanh tìm kiếm đẹp mắt với hiệu ứng làm mờ (blur animation) và tích hợp sẵn các tiêu chuẩn tiếp cận (accessibility) mà không cần người dùng yêu cầu chi tiết.

LUẬN ĐIỂM 2: Generative UI đang tiến hóa qua 3 cấp độ, và chúng ta đang ở điểm giao thoa.

Luận cứ: Để trả lời câu hỏi "Mô hình đang tạo ra cái gì?", chúng ta có thể chia sự phát triển của UI thành 3 giai đoạn: Static (Tĩnh), Declarative (Khai báo), và Generative (Tạo sinh hoàn toàn). Hiện tại, Declarative UI đang là sự cân bằng hoàn hảo, nhưng Generative UI mới là đích đến cuối cùng.

Dẫn chứng:

Static UI (UI Tĩnh): AI chỉ đóng vai trò điều phối. Nó gọi công cụ, lấy dữ liệu và truyền vào các component (thành phần UI) đã được lập trình viên viết sẵn. Ví dụ: AGUI protocol hoặc Goose Auto Visualizer.
Declarative UI (UI Khai báo): AI không chỉ truyền dữ liệu mà dùng JSON/YAML để thiết lập cấu trúc UI, sau đó một engine render sẽ dịch chúng thành UI cuối cùng dựa trên hệ thống thiết kế (Design System) có sẵn. Điều này mang lại tính linh hoạt nhưng vẫn đảm bảo tính nhất quán. Ví dụ: JSON Render của Vercel hay hệ thống UI cá nhân hóa của Netflix.
Generative Components (UI Tạo sinh): AI viết trực tiếp HTML, CSS, JavaScript ngay tại thời gian thực (runtime). Ví dụ: Thử nghiệm của Postman Agent, nơi AI tự gọi API thời tiết, tự nghĩ ra một trò đùa và tạo luôn toàn bộ HTML/CSS/JS cho một UI độc bản chỉ trong một lần gọi lệnh.

LUẬN ĐIỂM 3: Rào cản lớn nhất của "UI Tạo sinh" là vấn đề bảo mật, và MCP Apps chính là giải pháp.

Luận cứ: Việc để AI tự động tạo ra mã nguồn (HTML/JS) và chạy thẳng lên trình duyệt của người dùng mang lại rủi ro bảo mật cực lớn. Chúng ta không thể tin tưởng mã nguồn bên thứ ba không xác định. Để Generative UI có thể thực sự hoạt động, nó cần một cơ chế phân phối an toàn, có hộp cát (sandbox) cô lập.

Dẫn chứng: MCP (Model Context Protocol) Apps giải quyết triệt để bài toán này. Nó cung cấp một môi trường cô lập mặc định (double iFrame), tích hợp sẵn xác thực, gọi công cụ (tool calling) và truyền tin nhắn giữa UI và Agent. Việc Anthropic quyết định sử dụng MCP Apps cho các tính năng giao diện trực quan (Visualizer) của riêng họ chính là minh chứng cho thấy đây là cơ chế phân phối chuẩn mực và an toàn nhất hiện nay.

LUẬN ĐIỂM 4: Trí tưởng tượng của chúng ta đang bị giới hạn; tương lai là sự cộng tác trên các "Shared Artifacts".

Luận cứ: Tương tự như những ngày đầu của truyền hình (khi người ta chỉ biết đặt camera quay lại các chương trình phát thanh), chúng ta đang cố gắng nhét sức mạnh của một "siêu máy tính AI" vào các định dạng cũ (khung chat). Tương lai của giao diện không phải là AI phục vụ con người theo dạng "hỏi - đáp" hay hiển thị dữ liệu một chiều, mà là tạo ra không gian để cả hai cùng tương tác và chỉnh sửa.

Dẫn chứng: Ứng dụng Excalidraw MCP app là một ví dụ điển hình. Nó không chỉ dùng để xuất hình ảnh hay biểu đồ một chiều. Nó tạo ra một bảng vẽ chung (shared canvas/artifact) nơi con người và AI có thể cộng tác với nhau. Bạn có thể yêu cầu AI thay đổi bản vẽ, đồng thời tự tay click chuột chỉnh sửa UI theo ý muốn. Đây chính là trải nghiệm tương tác của tương lai.

Từ "Chat" Đến "Cộng Tác": Kỷ Nguyên Mới Của Giao Diện Người Dùng Tạo Bởi AI (Generative UI)