Xác suất tin cậy không đồng nghĩa với một quyết định chính xác

Một thế hệ trí tuệ nhân tạo mới đang xuất hiện với cách hoạt động khác biệt. Thay vì trả lời bằng những đoạn văn dài, chúng đưa ra quyết định trực tiếp dưới dạng dữ liệu có cấu trúc, kèm xác suất tin cậy. Điều này giúp phần mềm phản hồi nhanh hơn, tiết kiệm chi phí và dễ tích hợp hơn. Nhưng có một vấn đề ít được chú ý: AI càng ít giải thích, doanh nghiệp càng phải hiểu rõ mình đang yêu cầu máy móc quyết định điều gì.

Mô hình AI ra quyết định đang thay đổi cuộc chơi. Nhanh hơn, rẻ hơn nhưng doanh nghiệp phải tự chịu trách nhiệm về ngữ cảnh

Một cuộc chuyển dịch mới trong cách AI đưa ra quyết định

Thị trường AI đang chứng kiến sự quan tâm đối với các mô hình chuyên ra quyết định, tiêu biểu là Jev của TypeSafe AI, Clef của Cloudflare và Decisions API của OpenAI.

Khác với chatbot thông thường, những mô hình này không tập trung tạo ra câu trả lời dài. Chúng nhận đầu vào, xử lý thông tin và trả về kết quả theo cấu trúc định sẵn, thường là JSON, cùng xác suất dự đoán.

Đối với nhà phát triển phần mềm, đây là thay đổi đáng kể. Họ có thể đưa kết quả trực tiếp vào hệ thống mà không cần phân tích hàng nghìn ký tự văn bản hoặc xử lý những câu trả lời không đồng nhất.

Tốc độ và tính xác định trở thành lợi thế mới

Điểm mới nằm ở việc loại bỏ phần giải thích bằng ngôn ngữ tự nhiên khỏi đầu ra.

Một mô hình ngôn ngữ lớn thông thường có thể tạo ra nhiều đoạn văn để diễn giải câu hỏi, phân tích giả định và đưa ra kết luận. Mô hình ra quyết định tập trung vào kết quả cuối cùng.

Cách tiếp cận này gần với tư duy hệ thống 1, tức phản ứng nhanh, trực tiếp và ít bước diễn giải hơn.

Đổi lại, người dùng không còn dễ dàng nhìn thấy những giả định hoặc lập luận đứng sau kết quả.

Một câu trả lời đúng định dạng chưa chắc đúng thực tế

Hãy tưởng tượng doanh nghiệp hỏi AI rằng hôm nay có mưa hay không.

Một mô hình thông thường có thể phân tích vị trí, thời gian, dữ liệu thời tiết và những giới hạn của thông tin trước khi trả lời.

Trong khi đó, mô hình Jev có thể trả về cấu trúc Noul, được đặt theo tên nhà toán học và vật lý học người Thụy Sĩ Daniel Bernoulli, với một giá trị đúng hoặc sai.

Kết quả rất thuận tiện để lập trình. Nhưng nếu không cung cấp vị trí, ngày giờ hoặc dữ liệu dự báo, câu trả lời có thể trở nên thiếu căn cứ.

Vấn đề không nằm ở việc mô hình sai hay đúng. Vấn đề là người xây dựng ứng dụng không biết đầy đủ những giả định đã dẫn đến kết quả đó.

Thiết kế ngữ cảnh trở thành nền tảng của ứng dụng AI

Đây là thay đổi quan trọng nhất.

Với chatbot truyền thống, người dùng có thể đặt câu hỏi chưa rõ ràng. Mô hình đôi khi sẽ hỏi lại hoặc giải thích những giả định đang sử dụng.

Mô hình ra quyết định không nhất thiết làm điều đó. Nó xử lý thông tin được cung cấp và trả về kết quả theo cấu trúc yêu cầu.

Vì vậy, nhà phát triển phải chủ động chuẩn bị ngữ cảnh, bao gồm dữ liệu đầu vào, trạng thái hệ thống, quy tắc nghiệp vụ, điều kiện loại trừ và ngưỡng tin cậy.

Nói cách khác, nếu không muốn AI suy luận sai, doanh nghiệp phải thiết kế bài toán đúng ngay từ đầu.

Doanh nghiệp có thể ứng dụng ở đâu?

Hai trường hợp nổi bật được đề cập là đánh giá chất lượng chatbot và phân loại yêu cầu hỗ trợ khách hàng.

Trong đánh giá chatbot, hệ thống so sánh câu trả lời với đáp án chuẩn đã được xác định trước. AI chỉ cần đưa ra kết quả đánh giá theo cấu trúc thống nhất.

Trong chăm sóc khách hàng, một yêu cầu dài có thể được phân loại thành nhóm thanh toán, giao hàng, đổi trả hoặc khiếu nại. Hệ thống sau đó chuyển yêu cầu đến đúng bộ phận.

Đây là những công việc có quy tắc tương đối rõ ràng, khối lượng lớn và cần tốc độ xử lý cao.

Giá trị kinh tế nằm ở chi phí xử lý và khả năng mở rộng

Mô hình ra quyết định tạo giá trị bằng cách giảm lượng văn bản phải sinh ra, hạn chế việc xử lý ngôn ngữ không cần thiết và đơn giản hóa tích hợp phần mềm.

Đối với doanh nghiệp có hàng nghìn hoặc hàng triệu yêu cầu mỗi tháng, việc giảm lượng dữ liệu xử lý cho mỗi yêu cầu có thể tạo ra lợi ích kinh tế đáng kể.

Tuy nhiên, bài viết gốc không cung cấp số liệu cụ thể về giá mỗi lượt gọi, tỷ lệ tiết kiệm hoặc tốc độ phản hồi. Vì vậy, chưa thể kết luận mô hình này luôn rẻ hơn trong mọi tình huống.

Chi phí thực tế còn phụ thuộc vào việc chuẩn bị dữ liệu, kiểm tra kết quả và xử lý những quyết định sai.

AI đang chuyển từ sản phẩm trò chuyện sang nền tảng quyết định

Một chatbot chủ yếu phục vụ con người đọc và tương tác.

Một mô hình ra quyết định lại phục vụ cả những hệ thống phần mềm khác.

Đây là khác biệt về kiến trúc sản phẩm. AI không chỉ là giao diện hỏi đáp mà trở thành một thành phần trong quy trình vận hành doanh nghiệp.

Khi được kết nối với cơ sở dữ liệu, phần mềm quản lý khách hàng, hệ thống bán hàng và kho vận, mô hình có thể hỗ trợ tự động hóa nhiều quyết định lặp lại.

Nhưng quyền tự động thực hiện hành động phải được kiểm soát bằng quy tắc nghiệp vụ và cơ chế phê duyệt phù hợp.

Lợi thế cạnh tranh không chỉ nằm ở mô hình AI

Jev, Clef và Decisions API cho thấy thị trường đang phát triển theo hướng chuyên biệt hóa.

Không phải mọi doanh nghiệp đều cần mô hình lớn nhất hoặc khả năng suy luận phức tạp nhất.

Một hệ thống phân loại đơn hàng có thể cần tốc độ và tính nhất quán hơn khả năng viết văn bản xuất sắc.

Ngược lại, một hệ thống tư vấn tài chính hoặc xử lý khiếu nại phức tạp cần nhiều ngữ cảnh, khả năng giải thích và kiểm tra hơn.

Lợi thế cạnh tranh dài hạn vì vậy không chỉ đến từ nhà cung cấp mô hình. Nó còn đến từ dữ liệu độc quyền, quy trình nghiệp vụ và năng lực tích hợp của doanh nghiệp.

Rủi ro lớn nhất là quyết định sai nhưng không biết nguyên nhân

Đầu ra có cấu trúc không đồng nghĩa với khả năng giải thích.

Ngay cả khi mô hình trả về xác suất tin cậy, con số đó cũng không tự chứng minh rằng kết quả đúng hoặc đã được hiệu chỉnh chính xác.

Nếu hệ thống tự động từ chối khách hàng, phân loại sai khiếu nại hoặc đánh dấu nhầm giao dịch đáng ngờ, doanh nghiệp có thể phải trả giá bằng doanh thu và uy tín.

Do đó, cần lưu lại đầu vào, phiên bản mô hình, kết quả, xác suất, thời điểm xử lý và hành động tiếp theo. Đồng thời, phải có cơ chế kiểm tra thủ công đối với trường hợp rủi ro cao.

Doanh nghiệp Việt Nam đứng trước cơ hội tự động hóa

Các doanh nghiệp nhỏ và vừa thường gặp ba khó khăn: thiếu nhân sự công nghệ, ngân sách hạn chế và dữ liệu phân tán.

Trong khi Mỹ có lợi thế về hệ sinh thái mô hình và nền tảng phần mềm, Trung Quốc có hệ sinh thái AI và ứng dụng thương mại phát triển nhanh, doanh nghiệp Việt Nam không nhất thiết phải cạnh tranh bằng cách tự huấn luyện mô hình lớn.

Hướng đi thực tế hơn là sử dụng công nghệ sẵn có để giải quyết những vấn đề cụ thể của thị trường trong nước.

Giải pháp thực tế cho doanh nghiệp nhỏ và vừa Việt Nam

Bắt đầu từ một quy trình có thể đo lường.

Một cửa hàng trực tuyến có thể thử nghiệm phân loại tin nhắn khách hàng thành nhóm hỏi giá, kiểm tra đơn hàng, đổi trả và khiếu nại.

Không nên triển khai tự động hóa toàn bộ ngay lập tức. Hãy chạy thử trên dữ liệu thực tế, đối chiếu kết quả với nhân viên và đo tỷ lệ phân loại chính xác.

Kết hợp mô hình lớn và mô hình ra quyết định.

Sử dụng mô hình ngôn ngữ lớn để xử lý yêu cầu phức tạp, tóm tắt nội dung và giải thích những trường hợp khó. Sử dụng mô hình ra quyết định cho các nhiệm vụ có quy tắc rõ ràng.

Đây là kiến trúc kết hợp giúp cân bằng chi phí và chất lượng.

Xây dựng dữ liệu nghiệp vụ của riêng mình.

Doanh nghiệp cần chuẩn hóa danh mục sản phẩm, đơn hàng, khách hàng, chính sách đổi trả và lịch sử hỗ trợ.

Đây là tài sản quan trọng hơn việc liên tục thay đổi mô hình AI theo xu hướng thị trường.

Không phụ thuộc hoàn toàn vào một quốc gia hoặc nhà cung cấp.

Có thể sử dụng dịch vụ AI từ Mỹ, thử nghiệm các mô hình nguồn mở có nguồn gốc từ Trung Quốc và triển khai một số thành phần trên máy chủ riêng.

Tuy nhiên, cần đánh giá quyền riêng tư, vị trí lưu trữ dữ liệu, điều khoản thương mại và khả năng chuyển đổi nhà cung cấp.

Thiết lập giới hạn cho quyết định tự động.

Những tác vụ như phân loại tin nhắn có thể tự động hóa ở mức cao sau khi kiểm chứng. Nhưng quyết định hoàn tiền lớn, khóa tài khoản hoặc từ chối khách hàng cần cơ chế kiểm duyệt.

Đo hiệu quả bằng tiền và thời gian.

Theo dõi chi phí trên mỗi yêu cầu, tỷ lệ xử lý chính xác, thời gian phản hồi, số trường hợp phải chuyển cho nhân viên và doanh thu giữ lại được.

Nếu AI không cải thiện những chỉ số này, việc triển khai chỉ làm tăng thêm chi phí công nghệ.

Cuộc chơi mới thuộc về doanh nghiệp biết đặt đúng bài toán

Mô hình AI ra quyết định mở ra một hướng phát triển quan trọng của trí tuệ nhân tạo. Tốc độ, đầu ra có cấu trúc và khả năng tích hợp giúp chúng trở thành lựa chọn đáng chú ý trong các quy trình tự động hóa.

Nhưng công nghệ không thể thay thế trách nhiệm thiết kế hệ thống.

Doanh nghiệp thành công không nhất thiết sở hữu mô hình AI mạnh nhất. Họ là những doanh nghiệp hiểu dữ liệu của mình, xác định đúng giới hạn tự động hóa và biết khi nào cần con người can thiệp.

Với doanh nghiệp Việt Nam, cơ hội không nằm ở việc chạy đua xây dựng một mô hình AI ngang hàng với Mỹ hay Trung Quốc. Cơ hội nằm ở việc biến AI thành công cụ giảm chi phí, tăng năng suất và tạo ra lợi thế kinh doanh thực sự.

Xác suất tin cậy không đồng nghĩa với một quyết định chính xác

mô hình AI ra quyết định, Jev TypeSafe AI, Cloudflare Clef, OpenAI Decisions API, trí tuệ nhân tạo doanh nghiệp, thiết kế ngữ cảnh AI, AI đầu ra JSON, tự động hóa doanh nghiệp, AI phân loại khách hàng, mô hình ngôn ngữ lớn, chi phí vận hành AI, AI doanh nghiệp Việt Nam, AI Mỹ Trung Quốc, chuyển đổi số doanh nghiệp