Vì sao kiểm tra AI có phải giải pháp đúng quan trọng
Ngay cả khi bạn đã tìm được một nỗi đau có thật, việc mặc định AI là câu trả lời vẫn là một sai lầm phổ biến và tốn kém. Rất nhiều bài toán được giải tốt hơn, nhanh hơn, rẻ hơn bằng một quy tắc đơn giản, một truy vấn cơ sở dữ liệu, hay một thay đổi trong luồng thao tác. Kỹ năng ở đây là biết khi nào AI thật sự là công cụ phù hợp và khi nào nó chỉ là dao mổ trâu để giết gà.
Cái giá của việc bỏ qua bước này rất thực. Một công ty logistics ở Bình Dương muốn dự đoán thời gian giao hàng và lập tức thuê một đội xây model học máy. Sau ba tháng, độ chính xác chỉ hơn cách tính trung bình theo tuyến vài phần trăm, trong khi chi phí vận hành mô hình gấp mười lần. Nếu họ thử một công thức đơn giản trước, họ đã tiết kiệm được cả quý.
Ngược lại, có những đội cố nhét luật cứng vào bài toán mà bản chất là mơ hồ, ví dụ phân loại cảm xúc bình luận tiếng Việt đầy tiếng lóng. Họ viết hàng trăm dòng if else rồi vẫn sai liên tục, trong khi một mô hình ngôn ngữ giải gọn gàng. Thiếu kỹ năng phán đoán này khiến bạn hoặc phí tiền cho AI không cần thiết, hoặc bỏ lỡ AI ở đúng chỗ nó nên có mặt.
Bức tranh lớn
AI phù hợp khi bài toán có tính mờ, đầu vào đa dạng khó liệt kê hết, và có dữ liệu để học. Giải pháp quy tắc phù hợp khi luật rõ ràng, ổn định, và cần giải thích được. Bức tranh này giúp bạn chọn đúng công cụ thay vì mặc định.
graph TD
A[Bai toan can giai] --> B{Luat co ro rang va on dinh}
B -->|Co| C[Dung quy tac hoac truy van]
B -->|Khong| D{Dau vao da dang kho liet ke}
D -->|Khong| C
D -->|Co| E{Co du lieu de hoc}
E -->|Khong| F[Thu thap du lieu truoc]
E -->|Co| G[AI la lua chon phu hop]Điều quan trọng cần nhớ là AI không miễn phí về mặt vận hành. Nó cần dữ liệu, cần giám sát chất lượng, cần xử lý khi trả lời sai. Vì vậy chỉ chọn AI khi giá trị vượt trội bù được chi phí phức tạp đó.
Ví dụ chi tiết
Một ngân hàng số tại Việt Nam gặp hai bài toán cùng lúc. Bài toán một là quyết định có gửi cảnh báo giao dịch bất thường hay không. Bài toán hai là trả lời câu hỏi tự do của khách trong ứng dụng.
Bước một, với bài toán cảnh báo, đội thấy luật khá rõ: giao dịch vượt ngưỡng, khác vị trí thường lệ, khác thiết bị. Đây là luật ổn định và cần giải thích được cho bộ phận rủi ro. Kết luận: dùng quy tắc, không cần AI.
Bước hai, với bài toán trả lời câu hỏi, đầu vào là ngôn ngữ tự nhiên vô cùng đa dạng, không thể liệt kê hết. Đội có kho câu hỏi lịch sử lớn. Đây đúng là đất của mô hình ngôn ngữ.
Bước ba, đội đưa ra quyết định lai. Cảnh báo dùng luật cho phần rủi ro cao cần minh bạch, còn phần gợi ý nhẹ dùng model. Trợ lý trả lời dùng AI nhưng có luật chặn ở những câu liên quan tiền bạc nhạy cảm. Kết quả là chi phí hợp lý, minh bạch nơi cần minh bạch, và linh hoạt nơi cần linh hoạt.
Lộ trình từng bước để làm chủ
graph LR
A[Mo ta bai toan ro rang] --> B[Thu giai bang luat truoc]
B --> C[Do ket qua baseline]
C --> D{Luat da du tot chua}
D -->|Du| E[Giu luat khong dung AI]
D -->|Chua| F[Thu AI va so voi baseline]
F --> G[Chon phuong an gia tri tren chi phi]Nguyên tắc vàng là luôn dựng một baseline đơn giản trước. Baseline có thể là một quy tắc, một trung bình, hay một tra cứu. Chỉ khi AI vượt baseline một cách rõ rệt và bù được chi phí phức tạp thì mới chọn AI. Cách này bảo vệ bạn khỏi việc dùng công nghệ đắt tiền cho giá trị nhỏ.
Thói quen và kỷ luật
| Nhịp | Thói quen |
|---|---|
| Mỗi bài toán | Luôn viết ra một baseline không dùng AI trước tiên |
| Hằng tuần | Rà một quyết định cũ, hỏi liệu luật có đủ tốt không |
| Hai tuần | So sánh chi phí vận hành AI với giá trị thực nó tạo |
| Hằng tháng | Chia sẻ một case chọn không dùng AI cho cả đội học |
Cần luyện tập gì (drills)
Bài luyện một: Chọn năm bài toán trong sản phẩm, với mỗi cái viết một baseline không AI và ước lượng nó tốt tới đâu.
Bài luyện hai: Lấy một tính năng đang dùng AI, tự hỏi liệu quy tắc đơn giản có đạt 80 phần trăm kết quả với 10 phần trăm chi phí không.
Bài luyện ba: Phân loại mười bài toán thành nhóm luật rõ và nhóm mờ, giải thích tiêu chí phân loại cho một đồng nghiệp.
Checklist hành động tuần này
- [ ] Viết baseline không AI cho bài toán ưu tiên hiện tại
- [ ] Đo kết quả baseline bằng số liệu cụ thể
- [ ] Ước lượng chi phí vận hành nếu dùng AI cho bài toán đó
- [ ] Quyết định rõ ràng dùng AI hay không kèm lý do
- [ ] Trình bày quyết định cho một đồng nghiệp để phản biện
Chỉ số và North Star
North Star là mức giá trị AI tạo thêm so với baseline trên mỗi đồng chi phí bỏ ra. Bạn muốn AI được dùng đúng chỗ nó tạo khác biệt lớn.
| Chỉ số | Tốt | Xấu |
|---|---|---|
| Bài toán có baseline trước khi bàn AI | Gần 100 phần trăm | Dưới 20 phần trăm |
| Khác biệt AI so với baseline | Trên 20 phần trăm | Dưới 5 phần trăm |
| Chi phí vận hành trên giá trị tạo ra | Thấp và rõ ràng | Cao và mù mờ |
Dấu hiệu bạn đã thành thạo
Bạn thành thạo khi phản xạ đầu tiên trước mỗi bài toán là dựng baseline chứ không phải chọn model. Bạn thoải mái đề xuất giải pháp không AI khi nó tốt hơn, và biết chỉ ra chính xác vì sao một bài toán mờ cần AI. Đội của bạn không còn tranh cãi cảm tính về công nghệ mà so bằng số liệu trên baseline.
Cạm bẫy thường gặp
| Cạm bẫy | Thay bằng |
|---|---|
| Mặc định AI là câu trả lời | Dựng baseline đơn giản trước |
| Bỏ qua chi phí vận hành model | Tính chi phí trên mỗi đơn vị giá trị |
| Nhét luật cứng vào bài toán mờ | Nhận diện tính mờ và chọn model |
| Dùng AI để trông hiện đại | Dùng AI khi vượt baseline đáng kể |
Chốt lại
- AI không phải mặc định, chỉ chọn khi vượt baseline một cách rõ rệt.
- Luôn dựng baseline không AI trước để có mốc so sánh trung thực.
- Bài toán luật rõ dùng quy tắc, bài toán mờ nhiều đầu vào dùng AI.
- Tính chi phí vận hành để chắc chắn giá trị bù được sự phức tạp.