Chuẩn bị dữ liệu thế nào trước khi dùng AI?
Một trợ lý AI có thể trả lời theo quy định cũ dù doanh nghiệp đã tải lên nhiều tài liệu. Đổi mô hình chưa chắc giải quyết được nếu nguồn có nhiều phiên bản, thiếu thông tin hoặc người hỏi không được phép xem. Chuẩn bị dữ liệu bắt đầu từ công việc muốn hỗ trợ và nguồn được doanh nghiệp xác nhận.
Ví dụ trong bài là trợ lý tra cứu quy định nghỉ phép, không tự xét duyệt và không cần toàn bộ hồ sơ nhân viên. Đây là tình huống giả định để phân tích cách chọn, quản lý và kiểm tra nguồn; không phải chính sách nhân sự hay kết quả thực hiện của Fenix.
1. Chọn công việc rồi mới chọn dữ liệu
Hãy viết rõ người dùng sẽ hỏi gì, AI cần đưa ra gì và ai sử dụng câu trả lời để làm việc. Với câu hỏi về cách xin nghỉ, nguồn cần có quy trình, điều kiện áp dụng và nơi liên hệ. Nếu mục tiêu chỉ là hướng dẫn chung, chưa có lý do đưa bảng lương hoặc hồ sơ sức khỏe vào cùng phạm vi.
Các ứng dụng cần những loại dữ liệu khác nhau. Trợ lý tra cứu cần tài liệu có thể tìm và áp dụng đúng; công cụ đọc hóa đơn cần tài liệu mẫu cùng đáp án; dự báo từ lịch sử giao dịch cần trường dữ liệu và kết quả được ghi nhận nhất quán. Không nên bắt đầu bằng việc gom mọi file rồi hy vọng một công cụ xử lý được tất cả.
Lập một danh sách nguồn với người chịu trách nhiệm, phạm vi áp dụng, tình trạng xác nhận và vị trí lưu. Đánh dấu nguồn đủ điều kiện thử, nguồn cần sửa và nguồn chưa được dùng. Nếu chưa đủ dữ liệu cho toàn bộ công việc, có thể giới hạn thử ở một phần đã xác nhận thay vì mở rộng truy cập chỉ để có thêm đầu vào.
2. Xác nhận nguồn đúng và đủ để trả lời
Tài liệu đúng không chỉ là file rõ chữ. Một bản PDF đọc tốt nhưng chứa quy định hết hiệu lực vẫn có thể làm câu trả lời sai. Người quản lý nội dung cần xác nhận bản nào đang dùng, bản nào chỉ để tra lịch sử và khi các tài liệu mâu thuẫn thì căn cứ nào được ưu tiên.
Ví dụ, quy định áp dụng cho nhân viên tại Việt Nam và Nhật có thể khác phạm vi. Chỉ đặt chung trong thư mục “nhân sự” chưa cho công cụ biết phải dùng bản nào. Cần gắn thông tin áp dụng và thử câu hỏi dễ nhầm. Nếu chưa xác định được, nên yêu cầu làm rõ hoặc chuyển người phụ trách, không để AI tự chọn chính sách thay doanh nghiệp.
Cũng cần tìm phần còn thiếu. Nếu tài liệu chỉ nêu số ngày nghỉ nhưng không nói cách gửi đề nghị, AI không có căn cứ trả lời đầy đủ về thủ tục. Hãy chuẩn bị một số câu hỏi thực tế, đánh dấu câu trả lời nằm ở đâu và phần chưa có nguồn. Làm vậy giúp biết cần bổ sung nội dung trước khi đánh giá công cụ.
Với bảng biểu, hãy kiểm tra tiêu đề cột, ghi chú và phần nội dung kéo sang trang sau. Một hàng bị tách có thể khiến điều kiện của nhóm này bị gán sang nhóm khác dù từng chữ đều đọc đúng. Cần thử cách tài liệu thực sự đi qua công cụ, không chỉ mở file gốc và thấy nó dễ đọc đối với con người.
Với bản quét hoặc tài liệu cần lấy từng trường, còn phải kiểm tra phần chữ và bảng có được xử lý đúng không. Bài Kiểm tra kết quả AI đọc tài liệu thế nào? giải thích cách đối chiếu dữ liệu được lấy với bản gốc, để một nguồn đúng không bị biến thành giá trị sai ở bước xử lý.
3. Giữ đúng quyền khi đưa dữ liệu vào công cụ
Người hỏi được xem quy định chung không có nghĩa được xem hồ sơ nghỉ riêng của người khác. Quyền cần được kiểm soát khi lấy thông tin và khi trả kết quả. Một câu nhắc “không tiết lộ dữ liệu” không thay thế được việc kiểm tra truy cập trong hệ thống được triển khai.
Thử bằng tài khoản thuộc các nhóm khác nhau, kể cả câu hỏi yêu cầu thông tin ngoài phạm vi. Cần biết công cụ lấy được những nguồn nào và câu trả lời có vô tình tóm tắt nội dung bị hạn chế không. Việc kiểm tra phải được phép thực hiện và dùng dữ liệu phù hợp, không mở hồ sơ thật chỉ để chứng minh một lỗi.
Trước khi kết nối kho tài liệu, doanh nghiệp nên làm rõ ai được xem, tải và quản lý từng nhóm nguồn. Bài Phân quyền người dùng sao cho đúng việc? giúp chuyển các giới hạn nghiệp vụ thành quyền cụ thể để đội triển khai kiểm tra.
Cần xác nhận điều kiện của dịch vụ đang dùng: dữ liệu được gửi đi đâu, lưu bao lâu, ai có thể truy cập và cách yêu cầu xóa hoặc kết thúc sử dụng. Không mặc định mọi nhà cung cấp đều dùng hoặc không dùng dữ liệu để huấn luyện. Câu trả lời phải dựa trên dịch vụ, cấu hình và thỏa thuận cụ thể được kiểm tra.
4. Chuẩn bị cập nhật và bộ dữ liệu kiểm tra
Người quản lý cần biết bản sửa được đưa vào nguồn mà AI thực sự sử dụng khi nào. Thay file trên máy cá nhân chưa chứng minh kho tìm kiếm đã thay đổi. Khi rút tài liệu hoặc thu hồi quyền, cần kiểm tra cả bản đã được xử lý và nơi lưu tạm nếu hệ thống có sử dụng, thay vì chỉ xóa bản gốc rồi coi là xong.
Chuẩn bị câu hỏi có đáp án được nghiệp vụ xác nhận, gồm trường hợp rõ, thiếu thông tin, mâu thuẫn và ngoài phạm vi. Giữ một phần chưa dùng để chỉnh công cụ nhằm đánh giá riêng. Nếu chỉ thử lại đúng mẫu vừa được sửa, kết quả tốt chưa cho thấy công cụ xử lý được tình huống mới.
Kết luận chuẩn bị nên chỉ ra nguồn nào đủ điều kiện thử và phần nào phải hoãn, kèm người xử lý. Một nhóm tài liệu đã xác nhận có thể cho phép thử nhỏ trong khi các nguồn khác còn cần làm sạch. Giới hạn đó phải đi vào phạm vi sử dụng và báo cáo, để không biến thành kết luận toàn công ty đã sẵn sàng.
Sau khi có phạm vi dữ liệu rõ, bước tiếp theo là kiểm tra công cụ có tạo kết quả hữu ích và được kiểm soát trong công việc hay không. Bài Khi nào nên đưa AI từ thử nghiệm vào sử dụng? trình bày cách quyết định tiếp tục, sửa rồi thử lại hoặc dừng dựa trên bằng chứng.
Bạn có thể trao đổi với Fenix từ một nhu cầu nhỏ và một nhóm tài liệu đã được phép sử dụng. Mục tiêu đầu tiên là xác định nguồn nào đáng tin, ai quản lý và thiếu điều gì, thay vì chia sẻ toàn bộ kho dữ liệu để bắt đầu.
