Chọn đúng loại công cụ

Tuần trước, một anh chủ doanh nghiệp kể với tôi rằng đội anh định dựng hẳn một trợ lý AI đời mới để tự động gắn nhãn đơn hàng theo khu vực giao. Tôi hỏi lại: đơn đã ghi sẵn tỉnh thành rồi, vậy một bảng quy ước "tỉnh này thuộc miền này" có đủ chưa? Anh cười, hoá ra việc tưởng cần tới một mô hình ngôn ngữ lớn lại chỉ cần vài dòng luật.

Câu chuyện nhỏ ấy chạm đúng một quyết định mà tôi thấy nhiều tổ chức bỏ qua: chọn đúng loại công cụ cho bài toán, trước khi bàn tới công cụ cụ thể nào.

Chọn đúng loại công cụ là gì

Hãy hình dung một người thợ mở hộp đồ nghề. Có việc chỉ cần cái tua vít, có việc phải dùng máy khoan, và cũng có việc buộc phải mang cả máy cắt ra. Người thợ giỏi không phải người luôn chọn cỗ máy mạnh nhất, mà là người biết việc nào xứng với dụng cụ nào.

Trong AI, chọn giải pháp (solution selection) là bước cân nhắc theo từng bậc. Bậc thấp nhất là bộ luật (rules engine): những câu "nếu... thì..." do con người viết ra, rẻ, nhanh, và quan trọng là đoán trước được nó sẽ làm gì. Bậc giữa là học máy truyền thống, hợp khi có nhiều dữ liệu mà quy luật lại khó viết tay. Bậc cao nhất mới là các mô hình ngôn ngữ, nhỏ hoặc lớn, dành cho việc thật sự cần hiểu ngôn ngữ và ngữ cảnh.

Năm 1997, hai nhà nghiên cứu David Wolpert và William Macready chứng minh một điều mà giới làm AI hay nhắc tới: định lý không có bữa trưa miễn phí (No Free Lunch). Nói gọn, nếu lấy trung bình trên mọi bài toán có thể có, không thuật toán nào giỏi hơn thuật toán nào. Thứ quyết định là công cụ có hợp với đúng bài toán trước mặt hay không, chứ không phải nó mạnh tới đâu.

Ứng dụng vào quản trị ra sao

Với người điều hành, bậc thang kia là một kỷ luật về chi phí và sự an tâm. Một mô hình lớn trả lời rất hay, nhưng mỗi câu đều tốn tiền, và đôi khi mô hình trả lời theo cách ta không lường trước. Một bộ luật thì ngược lại: nhàm chán, nhưng chạy bao nhiêu lần cũng ra đúng một kết quả, và khi sai thì biết ngay sai ở dòng nào.

Tôi thường gợi ý bạn liệt kê những việc đang định giao cho AI, rồi hỏi từng việc một câu: việc này có cần hiểu ngôn ngữ và ngữ cảnh thật không, hay chỉ là một chuỗi điều kiện rõ ràng? Phần lớn rơi vào vế sau. Giữ những việc đó cho luật và bảng tính, dành ngân sách mô hình lớn cho số ít việc thật sự xứng đáng, đó là cách một đội tinh gọn mà vẫn đi được xa.

Trong danh sách những việc bạn đang muốn tự động hoá bằng AI, có bao nhiêu việc thật ra chỉ cần một bộ luật đơn giản?