Kỷ nguyên mới của website: khi khách truy cập đầu tiên không phải là người

Website của bạn có hai loại khách

Hãy tưởng tượng anh Tuấn, chủ một cửa hàng nội thất ở Hà Nội. Mỗi sáng, anh mở dashboard và thấy website mình đón vài trăm lượt truy cập. Nhưng trong năm 2026 này, có một nhóm khách mà anh chưa từng nhìn thấy mặt: họ không click quảng cáo, không xem ảnh sản phẩm, không đọc banner khuyến mãi. Họ là các AI agent — những trợ lý số được chính khách thật của anh thuê, để đi tìm câu trả lời và hoàn tất việc thay cho họ.

Đây là cách dễ nhất để hiểu chuyển động đang diễn ra với web: website từ lâu được thiết kế để được "thuê" bởi con người; giờ nó phải được thuê thêm bởi agent — đại diện của con người đó. Và hai loại khách này cần những thứ rất khác nhau.

Người cần hình ảnh đẹp, giọng văn gần gũi, nút bấm rõ ràng. Agent cần nội dung máy đọc được: một bản đồ tóm tắt site, cấu trúc dữ liệu sạch, API có thể gọi, lỗi trả về đủ rõ để tự sửa. Nếu agent đến website của anh Tuấn mà không tìm được gì ngoài một trang HTML nặng JavaScript, nó sẽ bỏ đi — và đưa khách thật của anh sang một đối thủ "dễ nói chuyện" hơn.

Bài này không bán gì cả. Nó chỉ kể lại chuyện đang xảy ra trên web, dựa trên dữ liệu đã kiểm chứng nguồn, và giúp doanh nghiệp nhỏ tự hỏi: mình nên chuẩn bị gì?

Ba thời đại của web, trong ba phút

Để hiểu kỷ nguyên agentic, nhìn lại nhanh hai kỷ nguyên trước:

Web 1.0 (những năm 1990–2000): website là tờ báo điện tử. Nội dung tĩnh, ai cũng thấy giống nhau. "Khách" duy nhất được tối ưu là mắt người.

Web 2.0 (2005 đến gần đây): web trở thành nền tảng tương tác — mạng xã hội, thương mại điện tử, ứng dụng. Một lớp "khách" thứ hai xuất hiện nhưng ít ai gọi tên: các bot của công cụ tìm kiếm. Cả một ngành SEO ra đời chỉ để phục vụ đúng một bot: Googlebot. Doanh nghiệp học cách nói chuyện với Google bằng sitemap, schema markup, tốc độ tải trang.

Web agentic (bây giờ): lớp khách thứ ba — AI agent — không chỉ đọc nội dung như Googlebot. Nó hành động: so sánh giá, đặt lịch, điền form, gọi API, thậm chí thanh toán. Và khác với Googlebot vốn chỉ cần index văn bản, agent cần website cung cấp năng lực thực sự: biết site làm được gì, gọi bằng giao diện nào, xử lý lỗi ra sao.

Mỗi kỷ nguyên sinh ra một ngành đo lường riêng. Web 1.0 có log phân tích. Web 2.0 có SEO audit. Kỷ nguyên agentic đang sinh ra "agent-readiness scoring" — chấm điểm mức độ sẵn sàng của website cho agent. Đó là tín hiệu cho thấy đây không còn là trend lý thuyết nữa: đã có thị trường đo lường nó.

Tại sao website phải "biết nói chuyện" với agent

Câu hỏi hợp lý: agent thì sao? Nó không đọc được HTML như người à?

Thực tế là agent đọc HTML được, nhưng rất tốn kém và hay sai. Một trang hiện đại chứa hàng trăm KB markup, script, tracking — để rút ra thông tin "giá bàn ăn gỗ 4 ghế bao nhiêu", agent phải đoán từ đống đó. Mỗi lần đoán sai là một trải nghiệm xấu cho chính khách thật phía sau.

Nên web đang phát triển một "bề mặt song song": cùng một website, nhưng expose dữ liệu theo cách máy hiểu ngay. Vài mảnh ghép chính của bề mặt này:

llms.txt — một file markdown đặt tại thư mục gốc, tóm tắt site là gì và link đến đâu quan trọng. Bản spec v2 (2026) bổ sung chuẩn khai báo bản markdown của từng trang qua rel="alternate" type="text/markdown". Đây chính là "sitemap cho LLM". Con số đáng chú ý: trên một panel cố định gồm 219 host công nghệ nổi tiếng, 53,7% đã phục vụ llms.txt (nguồn: https://llmtxt.info/blog/state-of-llms-txt-2026/, 8/2026). Trên bảng Tranco top-10K toàn web, tỷ lệ là 4,2% — tăng từ khoảng 0,3% giữa năm 2024 (nguồn: https://crawlmind.ai/research/state-of-llms-txt-2026). Log crawler xác nhận OAI-SearchBot, PerplexityBot và ClaudeBot đều fetch llms.txt thường xuyên. Lưu ý trung thực: Google tuyên bố không dùng llms.txt, và chưa provider lớn nào xác nhận dùng lúc suy luận — đây vẫn là convention đang lớn, chưa phải tiêu chuẩn được bảo chứng.

MCP (Model Context Protocol) — giao thức cho phép agent gọi trực tiếp năng lực của website như gọi một công cụ. Điểm ngoạn mục: spec ngày 28/7/2026 chuyển core sang stateless, tức MCP server giờ là một HTTP workload bình thường, scale sau load balancer như mọi dịch vụ web khác. SDK TypeScript + Python vượt 1 tỷ lượt download tổng cộng (nguồn: https://blog.modelcontextprotocol.io/posts/2026-07-28/). Anthropic đã donate MCP cho Linux Foundation từ cuối 2025, với OpenAI và Block đồng sáng lập — nghĩa là giao thức này không thuộc về riêng vendor nào.

A2A (Agent-to-Agent) — tầng cao hơn: agent của bạn nói chuyện với agent của tôi, xuyên tổ chức, xuyên framework. A2A đạt v1.0 ổn định tháng 3/2026 với Signed Agent Cards (xác minh mật mã danh tính agent), hơn 150 tổ chức tham gia, đã chạy production trong chuỗi cung ứng, tài chính và bảo hiểm (nguồn: https://a2a-protocol.org/latest/announcing-1.0/ và https://www.linuxfoundation.org/press/a2a-protocol-surpasses-150-organizations-lands-in-major-cloud-platforms-and-sees-enterprise-production-use-in-first-year).

WebMCP — draft W3C do team Chrome và Edge cùng phát triển, cho phép website khai báo capability thành structured tools ngay qua browser API; preview sớm trong Chrome 2026 (nguồn: https://gravity.fast/blog/ai-agent-interoperability-standards-2026/).

Điểm chung của cả bốn mảnh: chúng biến website từ "tài liệu để đọc" thành "đối tác để cộng tác". Agent không scrape nữa — nó tra bản đồ (llms.txt), gọi công cụ (MCP), xác minh danh tính (Signed Agent Cards), rồi phối hợp với agent khác nếu cần (A2A).

Đo độ sẵn sàng: mô hình 80/20/+5

Khi một hiện tượng mới xuất hiện, câu hỏi đầu tiên luôn là: đo bằng gì?

Một ví dụ thú vị để nhìn cách ngành này đang hình thành là is-agentic.com — một dịch vụ chấm điểm miễn phí mức độ "agent-ready" của website. Nhập một URL công khai, hệ thống quét rồi chấm điểm theo ba nhóm (theo methodology công bố tại https://is-agentic.com/methodology):

• Essential checks — pool 80 điểm: nền tảng mà mọi agent đều cần. Nội dung render server-side, hành vi HTTP đúng chuẩn, cấu trúc tài liệu rõ ràng, lỗi trả về đủ chi tiết để agent tự khôi phục.
• Recommended checks — pool 20 điểm: chỉ kích hoạt khi scan phát hiện site thực sự có API, OAuth flow, MCP server hay bề mặt thương mại. Site không có thì check bị loại khỏi tính điểm — không bị phạt vì thiếu thứ mình không có. Đây là chi tiết thiết kế đáng học: công cụ đánh giá công bằng thì mới tạo được động lực cải thiện thật.
• Emerging signals — bonus tối đa 5 điểm: các format quá mới. Thiếu format mới không làm giảm điểm.

Một chi tiết nữa thể hiện tư duy của kỷ nguyên này: chính trang chấm điểm agent-readiness vận hành như một website agent-ready mẫu — công bố llms.txt, OpenAPI spec, MCP server, và dùng content negotiation: cùng một URL báo cáo, trình duyệt nhận HTML, agent xin text/markdown sẽ nhận Markdown, hệ thống tích hợp lấy JSON. Một URL, nhiều representation tùy loại client. Đó chính là mẫu hình website của tương lai thu nhỏ lại.

Lưu ý để tránh hiểu lầm: điểm số này đo "agent legibility" — mức website dễ đọc, dễ gọi, dễ sửa lỗi bởi agent — chứ không đo chất lượng kinh doanh hay bảo mật của site. Hai thứ đó vẫn là bài toán của bạn.

Áp lực kinh tế: tại sao chuyện này không phải "cho vui"

Nếu chỉ là chuyện kỹ thuật đẹp đẽ, doanh nghiệp nhỏ có quyền bỏ qua. Nhưng dư địa kinh tế đằng sau đang hình thành rất rõ.

Câu hỏi của người dùng đang rời khỏi Google. AI Overviews kích hoạt cho khoảng 48% lượng truy vấn Google được theo dõi (+58% so với năm trước, BrightEdge 2026); tỷ lệ tìm kiếm zero-click tăng từ 56% lên 69% chỉ trong một năm sau khi AI Overviews ra mắt (Similarweb; nguồn: https://seoscaleup.com/blog/geo-aeo-statistics-2026/). Nghĩa là phần lớn lần đầu khách gõ nhu cầu vào ô tìm kiếm, họ nhận câu trả lời ngay tại đó — không click vào ai cả.

Traffic AI còn nhỏ, nhưng chất lượng khác thường. Hiện AI referral chiếm khoảng 1% tổng lượt truy cập, nhưng Seer Interactive ghi nhận conversion từ ChatGPT ở mức 15,9% so với 1,76% của organic Google — chênh nhau gần 9 lần (nguồn: https://ranqo.ai/blog/generative-engine-optimization-statistics). Adobe (3/2026) cũng đo traffic AI convert tốt hơn organic khoảng 42%. Lý do đơn giản: khách đến từ agent đã mang theo ngữ cảnh — họ được agent tư vấn gần tới bước quyết định rồi.

Và agent cần ai để tư vấn đúng? Cần nguồn tin máy đọc được. Nghiên cứu GEO của Princeton (KDD 2024) cho thấy bổ sung số liệu, trích dẫn nguồn và cấu trúc rõ ràng giúp tăng 30–40% khả năng được trích dẫn trong câu trả lời của AI. Chuỗi nhân quả cứ thế nối tiếp: answer engine hút query → click organic bào mòn → thương hiệu phải tối ưu cho citation thay vì ranking → citation cần nội dung máy đọc được → website cần expose bề mặt cho agent → sinh ra thị trường đo lường agent-readiness.

Có một con số tổng quan đáng nhớ: Adobe Analytics đo traffic generative-AI vào site thương mại Mỹ tăng 4.700% YoY đến tháng 7/2025, và tiếp tục +393% trong Q1/2026; HUMAN Security ghi nhận traffic từ AI agent và agentic browser tăng 7.851% YoY (tổng hợp tại https://asiangrade.com/agent-readiness). Những con số tuyệt đối còn nhỏ so với toàn bộ web, nhưng tốc độ là điều không thể bỏ qua.

Ví von đời thực: đây giống thời điểm năm 2005 khi "có nên làm Facebook page cho quán cà phê" nghe còn buồn cười. Ai setup sớm thì rẻ; ai đợi đến lúc mọi người đều có thì chi phí cạnh tranh đã đội lên nhiều lần.

Doanh nghiệp SMB cần chuẩn bị gì

Không cần viết lại website, không cần thuê team kỹ thuật lớn. Danh sách thực dụng, xếp theo thứ tự hiệu quả trên mỗi đồng bỏ ra:

1. Kiểm tra nội dung render không cần JavaScript. Mở website của bạn, view source. Nếu nội dung cốt lõi — sản phẩm, giá, địa chỉ, giờ mở cửa — không nằm trong HTML ban đầu, agent (và cả nhiều crawler khác) không thấy gì. Đây là hạng mục "Essential" trong hầu hết mô hình chấm điểm, vì nó là nền của mọi thứ phía sau.

2. Viết llms.txt. Một file markdown đơn giản: dòng H1 là tên doanh nghiệp, một blockquote tóm tắt bạn làm gì, rồi danh sách link quan trọng kèm mô tả một dòng. Với doanh nghiệp nhỏ, đây là việc của một buổi chiều, và là cách rẻ nhất để agent có "bản đồ" đúng ý bạn thay vì tự đoán. Công cụ hỗ trợ đã phổ biến: Yoast SEO, AIOSEO, Wix, GitBook đều có chế độ tự sinh (nguồn: https://llmstxt.org/).

3. Cho mỗi URL một bản markdown. Spec v2 của llms.txt cho phép khai báo rel="alternate" type="text/markdown" — tức trang sản phẩm của bạn có thể serve cả HTML lẫn Markdown tại cùng địa chỉ. Trang hướng dẫn, bảng giá, FAQ là nơi bắt đầu tốt nhất, vì đó là những gì agent bị hỏi nhiều nhất.

4. Dọn cấu trúc dữ liệu có cấu trúc (schema JSON-LD). Sản phẩm, giá, đánh giá, địa chỉ — đánh dấu bằng schema chuẩn để cả công cụ tìm kiếm lẫn AI engine đọc cùng một nguồn sự thật. GeoReady benchmark trên hơn 750 site cho điểm trung bình chỉ 54,3/100, và 58% có llms.txt (nguồn: https://geoready.dev/) — nghĩa là mặt bằng chung vẫn thấp, cơ hội vượt lên còn rộng.

5. Suy nghĩ về "trải nghiệm lỗi". Khi agent gọi một chức năng mà gặp lỗi, phản hồi có đủ rõ để nó thử lại hoặc đổi đường khác không? Thông báo lỗi chung chung ("Đã có lỗi xảy ra") là anti-pattern kinh điển của web agentic — người thì chịu được, agent thì chịu không nổi.

6. Đừng đợi chuẩn hoàn hảo mới bắt đầu. Có một sự thật cần nói thẳng: Google phủ nhận dùng llms.txt; các scoring tools trên thị trường (AgentGEOScore, GeoReady, AEOlens...) mỗi bên một trọng số, chưa có benchmark thống nhất (nguồn: https://agentgeoscore.com/, https://geoready.dev/, https://aeolens.ai/). Nhưng lịch sử web chuẩn cho thấy pattern lặp lại: RSS, sitemap, schema — developer-adjacent đi trước 18–36 tháng, mainstream theo sau khi CMS ship mặc định. Làm sớm không phải vì chắc chắn thắng, mà vì chi phí học thấp nhất là bây giờ.

Điều muốn để lại cho bạn

Quay lại anh Tuấn với cửa hàng nội thất. Việc anh cần làm tuần này không phải xây MCP server. Nó nhỏ hơn nhiều: đảm bảo website nói đúng sự thật bằng ngôn ngữ cả người lẫn máy đều đọc được — giá rõ ràng, mô tả đầy đủ, nguồn trích dẫn, bản markdown cho trang quan trọng nhất, một file llms.txt làm bản đồ.

Bởi vì quy luật của kỷ nguyên này rất đơn giản: khách thật của bạn sẽ ngày càng đến qua một người môi giới số. Người môi giới đó chỉ giới thiệu những cửa hàng mà nó đọc hiểu. Website của bạn được hai loại khách thuê — hãy chắc chắn rằng với khách thứ hai, cửa vẫn mở.

Đọc tiếp trong chuỗi Agentic Web

• DNS4ACID và cộng đồng open-source Agentic Web Việt Nam — câu chuyện hạ tầng agentic web do cộng đồng Việt dẫn dắt.
• Agentic AI orchestration: kiểm soát chi phí token cho SMB — khi doanh nghiệp đã chạy nhiều agent, kiểm soát chi phí token là bài toán số một.

Nguồn tham khảo

• is-agentic methodology & scoring model: https://is-agentic.com/methodology
• State of llms.txt 2026 (panel 219 hosts): https://llmtxt.info/blog/state-of-llms-txt-2026/
• Tranco top-10K llms.txt study: https://crawlmind.ai/research/state-of-llms-txt-2026
• llms.txt spec v2: https://llmstxt.org/
• MCP stateless spec 2026-07-28: https://blog.modelcontextprotocol.io/posts/2026-07-28/
• A2A v1.0 announcement: https://a2a-protocol.org/latest/announcing-1.0/
• A2A adoption (Linux Foundation): https://www.linuxfoundation.org/press/a2a-protocol-surpasses-150-organizations-lands-in-major-cloud-platforms-and-sees-enterprise-production-use-in-first-year
• WebMCP / interoperability standards 2026: https://gravity.fast/blog/ai-agent-interoperability-standards-2026/
• GEO/AEO statistics (BrightEdge, Similarweb): https://seoscaleup.com/blog/geo-aeo-statistics-2026/
• Conversion benchmarks (Seer Interactive, Adobe, Conductor): https://ranqo.ai/blog/generative-engine-optimization-statistics và https://www.conductor.com/academy/aeo-geo-benchmarks-report/
• GEO research (Princeton, KDD 2024): https://www.similarweb.com/blog/marketing/geo/what-is-geo/
• Agent readiness benchmarks (AgentGrade, GeoReady): https://asiangrade.com/agent-readiness và https://geoready.dev/

— 5ac.vn Editorial, 23/08/2026. Kỷ nguyên agentic web cho doanh nghiệp SMB Việt, powered by G-Company OS.