Zalo cập nhật phương thức kết nối đến OpenClaw

Giải pháp này giúp tối giản hóa toàn bộ quá trình cài đặt và thiết lập phức tạp trước đây, đồng thời cho phép người dùng ra lệnh cho AI Agent thực hiện việc soạn và gửi tin nhắn qua Zalo. Plugin này hiện đã được công bố chính thức trên website của OpenClaw.

Tăng khả năng tiếp cập Agentic AI cho người dùng

OpenClaw là dự án ứng dụng công nghệ Agentic AI - dạng AI có khả năng tự chủ hành động để hoàn thành một mục tiêu, thay vì chỉ trả lời từng câu hỏi như chatbot thông thường. Khi được giao việc, AI Agent có thể tự lên kế hoạch, chia nhỏ nhiệm vụ, sử dụng công cụ (web, phân tích dữ liệu hay phần mềm), theo dõi tiến độ và điều chỉnh nếu cần.

Thông tin về plugin của Zalo trên trang web chính thức của OpenClaw.

Trước đây, Zalo đã cung cấp Bot API để người dùng có thể tương tác với AI Agent này thông qua cửa sổ trò chuyện quen thuộc. Tuy nhiên, khi OpenClaw dần vượt ra khỏi phạm vi của một công cụ thử nghiệm cho nhóm người dùng am hiểu kỹ thuật, việc đơn giản hóa quy trình thiết lập trở nên cần thiết.

Bà Lê Thị Kim Xuyến, Giám đốc Chuyển đổi số của Zalo, cho biết: “Những thao tác như tạo bot, xác thực, nhập API key vẫn còn rất khó với phần lớn người dùng, trở thành rào cản tiếp cận với AI tác nhân này. Chúng tôi kỳ vọng tinh chỉnh mới giúp người dùng không phải tự thực hiện các bước kỹ thuật chuyên sâu, đồng thời đảm bảo kết nối luôn được duy trì ổn định khi OpenClaw tiếp tục phát triển”.

Plugin mới của Zalo ra đời đã giải quyết bài toán này. Thay vì phải đi qua nhiều bước kết nối rời rạc và phức tạp như trước, người dùng có thể hoàn tất nhanh chóng với một bước quét QR đơn giản.

Các bước kết nối và cài đặt để có thể sử dụng OpenClaw qua Zalo Bot trở nên đơn giản hơn.

Ở thời điểm hiện tại, trải nghiệm này vẫn phù hợp hơn với nhóm người dùng sẵn sàng thử nghiệm công nghệ và chủ động thiết lập công cụ cho nhu cầu cá nhân. Tuy vậy, việc cắt bớt các thao tác như tạo bot hay cấu hình thủ công vẫn là bước tiến quan trọng để thu hẹp khoảng cách giữa một công nghệ vốn dành cho dân kỹ thuật và nhóm người dùng rộng hơn trên nền tảng Zalo.

Tạo tiền đề kỹ thuật và theo đuổi chiến lược AI dài hạn

Bên cạnh thay đổi ở trải nghiệm thiết lập, plugin mới cũng đánh dấu một bước chuyển về cách Zalo tích hợp sâu với các AI agent. Việc Zalo trực tiếp đứng ra phát triển, cập nhật và quản lý plugin riêng giúp việc kết nối OpenClaw trên Zalo bớt phụ thuộc vào các tích hợp rời rạc, đồng thời tạo điều kiện để nền tảng chủ động hơn trong việc tối ưu vận hành, bổ sung tính năng và theo kịp các thay đổi từ OpenClaw.

Về dài hạn, ý nghĩa của bước đi này không chỉ nằm ở một plugin đơn lẻ. Việc hoàn thiện hệ thống bot, mở thêm API và xây dựng các lớp hỗ trợ như mini app là một phần trong quá trình chuẩn bị nền tảng kỹ thuật. Mục tiêu là sẵn sàng để nhiều AI agent khác xuất hiện trên Zalo theo cách dễ tiếp cận và gần gũi nhất với thói quen sử dụng hàng ngày của người dùng. Đây là một phần quan trọng trong chiến lược phổ cập hóa AI đến đại chúng và theo đuổi chiến lược AI dài hạn của ứng dụng nhắn tin này.

Trước Agentic AI, Zalo đã đầu tư vào AI trên nhiều phương diện khác nhau trong nhiều năm. Các tính năng như chuyển giọng nói thành văn bản, soạn tin nhắn bằng giọng nói, đọc tin nhắn bằng âm thanh hay dịch thuật đã dần trở thành một phần tự nhiên trong cách người dùng giao tiếp. Theo thống kê, năm 2025, Zalo ghi nhận khoảng 30% người dùng các tính năng AI trên nền tảng nhắn tin mỗi tháng.

Không chỉ tích hợp AI vào Zalo, đơn vị này còn chứng tỏ năng lực trong nghiên cứu và xây dựng các sản phẩm AI độc lập. Kiki Auto - trợ lý Việt trên ôtô do Zalo ra mắt, đã có gần 1,5 triệu lượt cài đặt và sử dụng tại Việt Nam vào cuối năm 2025. Hiện tại, ước tính cứ 5 ôtô chạy trên đường tại Việt Nam sẽ có một xe sử dụng Kiki Auto.

Kiki Auto - trợ lý Việt trên ôtô do Zalo ra mắt đã có gần 1,5 triệu lượt cài đặt.

Năm 2023, trong khi các mô hình ngôn ngữ lớn (LLM) như GPT-3.5, GPT-4 đã làm khuynh đảo thế giới công nghệ, Zalo đã lựa chọn hướng tới AI có chủ quyền - một hành trình gian nan và nhiều thử thách hơn. Thay vì đi tắt đón đầu quá trình huấn luyện LLM bằng việc lựa chọn fine-tuned model (kỹ thuật tinh chỉnh mô hình) sẵn có của nước ngoài, đơn vị này quyết định tự huấn luyện mô hình từ đầu (from-scratch model).