AI và Model là gì

Phân biệt tư duy Rule-based và Model-based trong thiết kế sản phẩm

Khác biệt lớn nhất giữa phần mềm truyền thống và AI là cơ chế ra quyết định: viết quy tắc cứng hay huấn luyện mô hình dự đoán. Lựa chọn này quyết định trực tiếp UX, chi phí vận hành và cách xử lý edge case.

Ví dụ: Nền tảng thương mại điện tử EcoCart - cần tự động phân loại hàng nghìn ticket hỗ trợ mỗi ngày:

1. Giới hạn của tư duy lập trình Rule-based khi quy mô sản phẩm mở rộng

Phần mềm Rule-based vận hành bằng các câu lệnh if-else cố định. Trong phạm vi quy tắc, output luôn nhất quán 100%, nhưng khi quy mô mở rộng sẽ bộc lộ 3 giới hạn:

1. Lách luật và biến thể ngôn ngữ: Đổi cách viết (ví dụ: "F.R.E.E M.O.N.E.Y") là vượt được bộ lọc, buộc phải liên tục vá rule.
2. Ngoại lệ chồng chéo: Ticket chứa cả ngữ cảnh bảo hành lẫn đổi trả dễ khiến rule xung đột hoặc phân loại sai.
3. Chi phí bảo trì tăng theo cấp số nhân (Rule Explosion): Mỗi chính sách mới lại thêm rule mà không thể phá rule cũ.

2. Bản chất của Model: Học pattern từ dữ liệu thay vì chạy theo câu lệnh cứng

Model (Mô hình AI) được huấn luyện trên dữ liệu để tự nhận diện pattern và dự đoán trên input mới (Dataset gán nhãn → Training → Pattern học được → Dự đoán). Với EcoCart, thay vì viết if-else, kỹ sư đưa 100.000 ticket đã gán nhãn cho model tự học.

Ẩn dụ: Đầu bếp Rule-based học thuộc công thức (gặp nguyên liệu lạ là bó tay); đầu bếp Model-based đã nấu hàng nghìn món (gặp nguyên liệu lạ vẫn suy luận ra món dựa trên kinh nghiệm).

3. Phân biệt AI và Model trong kiến trúc giải pháp

"AI" và "Model" hay bị dùng lẫn:

• AI: Năng lực máy làm việc như con người (khái niệm/kỳ vọng).
• Model: Bộ máy thuật toán cụ thể thực thi năng lực đó (kết quả huấn luyện trên dữ liệu).

Khi làm việc với kỹ sư, hãy nói rõ model cụ thể thay vì chỉ nói "dùng AI", vì model mới là thứ phát sinh chi phí, latency và độ chính xác.

4. Đánh giá đánh đổi giữa tính dự đoán được (Predictability) và khả năng thích ứng (Adaptability)

Chuyển từ Rule-based sang Model-based là sự đánh đổi kiến trúc và UX: Càng thích ứng tốt với input lộn xộn thì output càng khó đoán trước.

• Rule-based: Chính xác nhưng dễ vỡ khi các điều kiện xung đột.
• Model-based: Luôn trả về xác suất xếp hạng ngay cả với input rối. Tuy nhiên, model không bao giờ từ chối trả lời nên một dự đoán độ tin cậy thấp vẫn có thể trông rất tự tin, đòi hỏi sản phẩm phải có ngưỡng confidence và fallback plan.
• Hybrid (Thực tế): Kết hợp cả hai - Model xử lý linh hoạt phần mập mờ, Rule kiểm soát và chặn rủi ro ở đầu ra.

Bài tập nhỏ thực hành tư duy: Hãy phân loại 3 hệ thống sau trong sản phẩm EcoCart là Rule-based hay Model-based và giải thích ngắn gọn lý do:

1. Hệ thống tính thuế GTGT và phí vận chuyển tự động: Áp dụng đúng công thức % thuế theo danh mục hàng hóa và khoảng cách địa lý theo bảng giá niêm yết. → Rule-based (Cần tính chính xác tuyệt đối, logic pháp lý cố định).
2. Gợi ý sản phẩm mua kèm trên trang Checkout: Phân tích hành vi mua sắm của hàng triệu khách hàng tương đồng để hiển thị sản phẩm người dùng có khả năng cao sẽ mua tiếp. → Model-based (Xử lý lượng dữ liệu pattern lớn, không có quy tắc cố định).
3. Quy trình kích hoạt nút "Nộp hồ sơ hoàn tiền": Kiểm tra xem đơn hàng đã chuyển sang trạng thái "Đã giao" và nằm trong thời hạn 7 ngày hay chưa. → Rule-based (Logic điều kiện nghiệp vụ đóng cứng).

Khi nhận yêu cầu sản phẩm mới, PM cần đặt 3 câu hỏi ranh giới để chọn công nghệ. Bấm thử các lựa chọn bên dưới để xem khuyến nghị: