Bài 3 — Đánh giá khả thi: từ POC đến Production

POC chạy được ≠ sản phẩm chạy được

Sai lầm đắt giá nhất trong nghề là để một POC (proof of concept) đẹp kéo cả team vào cam kết production mà chưa hỏi: "POC này bỏ qua những gì?". POC thường chạy trên dữ liệu sạch, được chọn lọc, quy mô nhỏ, không có ràng buộc thời gian thực, không có edge case. Production thì ngược lại tất cả.

"Hố tử thần" POC→Production

Năm khoảng cách hay giết dự án khi lên production:

• Dữ liệu: POC dùng 200 mẫu sạch tay chọn; production nuốt 2 triệu bản ghi bẩn, thiếu field, sai định dạng.
• Độ trễ & quy mô: POC chạy 1 request/lần trên laptop; production cần 500 request/giây, có SLA phản hồi <2s.
• Edge case: POC chỉ test trường hợp phổ biến; production gặp ảnh xoay ngược, tiếng lóng, file rỗng.
• Tích hợp: POC xuất ra file Excel; production phải ghi vào ERP đang chạy, có phân quyền, có audit log.
• Vận hành: ai theo dõi khi model tụt độ chính xác? Ai retrain? Ai chịu trách nhiệm khi sai?

Khung đánh giá khả thi: thang 3 mức

Với mỗi yêu cầu, xếp vào một trong ba:

• Xanh — Đã chứng minh: công nghệ trưởng thành, có case tương tự (VD: OCR chữ in, phân loại văn bản tiếng Việt phổ thông). Cam kết được.
• Vàng — Khả thi có điều kiện: làm được nếu có đủ dữ liệu/thời gian (VD: trích xuất từ biểu mẫu lạ, dự báo với dữ liệu ít). Chỉ cam kết sau POC có tiêu chí rõ.
• Đỏ — Chưa khả thi hôm nay: vượt giới hạn công nghệ hoặc dữ liệu (VD: "AI hiểu ý định thật sự của khách 100%", "đọc chữ viết tay của bác sĩ chính xác 99%"). Từ chối hoặc đổi phạm vi.

POC phải được thiết kế để TRẢ LỜI CÂU HỎI, không để gây ấn tượng

Một POC tốt được định nghĩa trước bằng tiêu chí thoát (exit criteria):

• Câu hỏi POC: "Model có đạt ≥85% F1 trên 1.000 hóa đơn thật của khách không?"
• Dữ liệu POC: lấy từ dữ liệu thật, không tuyển chọn.
• Ngưỡng đi tiếp: đạt → chuyển sang giai đoạn production có báo giá; không đạt → dừng, tiết kiệm tiền cho cả hai.

Điều then chốt: thống nhất exit criteria với khách trước khi chạy POC. Nếu không, POC 84% sẽ thành cuộc cãi vã "gần được rồi mà".

Ví dụ cụ thể

Một chuỗi bán lẻ muốn "AI dự báo doanh số từng cửa hàng". POC trên 5 cửa hàng lớn cho sai số 6% — đẹp. Nhưng PM khả thi hỏi thêm:

• 5 cửa hàng này có lịch sử 3 năm dữ liệu sạch; 200 cửa hàng còn lại mới mở, dữ liệu 4 tháng. → khả thi vàng, không phải xanh.
• Kết luận: cam kết dự báo tốt cho cửa hàng có ≥18 tháng dữ liệu; cửa hàng mới dùng mô hình đơn giản hơn kèm cảnh báo độ tin cậy thấp. Phạm vi trung thực = kỳ vọng đúng.

Checklist trước khi hứa production

• [ ] POC chạy trên dữ liệu THẬT, không tuyển chọn?
• [ ] Đã xác định exit criteria bằng số và thống nhất với khách?
• [ ] Đã test 5 hố: dữ liệu, quy mô/độ trễ, edge case, tích hợp, vận hành?
• [ ] Có kế hoạch giám sát & retrain sau khi live?
• [ ] Yêu cầu này màu Xanh, Vàng hay Đỏ?

Sai lầm thường gặp

• Cam kết production dựa trên POC dữ liệu sạch. Con số production luôn thấp hơn.
• Không có exit criteria. POC trở thành vô tận.
• Bỏ quên chi phí vận hành sau live. Model không được giám sát sẽ âm thầm xuống cấp.
• Hứa màu Đỏ. Bán được nhưng không giao được, mất uy tín.

Khả thi kỹ thuật mới là một nửa. Nửa còn lại là quản lý kỳ vọng con người — bài 4.