Thiết Kế Tín Hiệu Độ Tin Cậy Của AI Trên Giao Diện
Tách 3 thành phần của confidence signaling (nguồn, hình thức hiển thị, ngưỡng hành vi) và thiết kế các tầng ngưỡng gắn với hành vi UX cụ thể.
Thiết Kế Tín Hiệu Độ Tin Cậy Của AI Trên Giao Diện
AI Literacy Lesson 1 đã nhắc: model không bao giờ từ chối trả lời, dự đoán độ tin cậy thấp vẫn có thể "trông" tự tin y như dự đoán độ tin cậy cao - vì vậy sản phẩm cần ngưỡng confidence và fallback plan. Đó là quyết định kiến trúc. Lesson này đi tiếp câu hỏi: cụ thể UI phải làm gì với con số confidence đó - hiển thị ở đâu, dưới hình dạng nào, và ngưỡng bao nhiêu thì đổi hành vi?
Ví dụ xuyên suốt bài: MedSort - hệ thống AI gợi ý mức độ ưu tiên cấp cứu tại một phòng khám, dựa trên mô tả triệu chứng bệnh nhân nhập vào.
1. Ba thành phần cần tách riêng trước khi ráp lại thành một pattern
- Nguồn của "độ chắc chắn" - không phải lúc nào cũng là một con số probability thô. Có thể là: điểm confidence model tự trả về, mức độ khớp giữa nhiều nguồn dữ liệu (ví dụ RAG - Module 3), hoặc đơn giản là model có tìm được câu trả lời nào không.
- Hình thức hiển thị - ngôn ngữ tự nhiên dè dặt ("có thể là...") tinh tế nhưng dễ bị lướt qua; tín hiệu thị giác (badge, thanh confidence) rõ ràng nhưng lạm dụng thì mất tác dụng; cấu trúc trả lời thay đổi hẳn (dưới ngưỡng thì trả về danh sách gợi ý thay vì câu trả lời trực tiếp) mạnh nhất nhưng đổi cả luồng tương tác.
- Ngưỡng và hành vi đi kèm - đây là chỗ nối với fallback plan. Confidence không phải để biết cho vui, nó phải gắn với một quyết định UX cụ thể.
3 Tầng Ngưỡng Confidence Của MedSort
Mỗi tầng gắn với một hành vi UX cụ thể, không chỉ hiển thị thông tin.
Thực thi/hiển thị bình thường, không cần cảnh báo.
-
2. Ví dụ: MedSort thêm 3 tầng ngưỡng, y tá biết nên dồn chú ý vào đâu
Thiết kế ban đầu: mọi trường hợp đều hiện nhãn "Ưu tiên: Cao / Trung bình / Thấp" với cùng kiểu chữ, cùng màu nền - bất kể model tự tin 98% hay chỉ 55%. Một y tá review 40 ca liên tiếp không phân biệt được ca nào model chắc, ca nào đang đoán mò dựa trên mô tả mơ hồ ("hơi khó chịu trong người").
Sau khi thêm 3 tầng: (1) trên 90% confidence → hiện nhãn ưu tiên bình thường; (2) 60-90% → thêm icon "cần xem lại mô tả gốc"; (3) dưới 60% → không hiện nhãn ưu tiên, thay bằng "Không đủ thông tin - cần y tá đánh giá trực tiếp" - số ca bị đánh giá sai mức ưu tiên giảm hẳn, vì y tá biết chính xác nên dồn sự chú ý vào đâu.
3. Ba tầng ngưỡng và hành vi UI tương ứng
| Ngưỡng | Hành vi UI | Rủi ro nếu bỏ tầng này |
|---|---|---|
| Cao | Thực thi/hiển thị bình thường, không cần cảnh báo | - |
| Trung bình | Thực thi nhưng gắn tín hiệu + cho undo/edit dễ | User tin tuyệt đối vào kết quả không chắc chắn |
| Thấp | Không tự thực thi - hỏi lại hoặc chuyển người duyệt (Lesson 32) | Model "đoán bừa" mà trông như đang trả lời chắc chắn |
Lưu ý ngược lại: đừng hiển thị confidence cho mọi thứ. Cost of Failure thấp (AI Literacy Lesson 1) → thêm badge confidence chỉ gây nhiễu không cần thiết. Nguyên tắc Cost of Failure quyết định luôn việc có cần signaling hay không, chứ không chỉ quyết định rule vs. model.
4. Ẩn dụ: bác sĩ giỏi không bao giờ nói cùng một giọng chắc nịch
Giống một bác sĩ giỏi - với ca rõ ràng thì nói thẳng kết luận; với ca mơ hồ thì không giấu sự phân vân, sẽ nói "tôi nghiêng về hướng này nhưng cần thêm xét nghiệm để chắc". Một bác sĩ lúc nào cũng nói bằng giọng chắc nịch như nhau - dù đang chắc hay đang đoán - là bác sĩ nguy hiểm. UI không có confidence signaling chính là kiểu bác sĩ đó.
Bài tập 29.1: LeaseReader - công cụ AI tóm tắt điều khoản hợp đồng thuê nhà, trả lời câu hỏi kiểu "tôi có được nuôi thú cưng không?". Hiện tại mọi câu trả lời đều hiển thị cùng một kiểu: đoạn text ngắn, không icon, không badge, kể cả khi hợp đồng ghi rõ ràng lẫn khi hợp đồng chỉ nói mơ hồ ("theo quy định chung của tòa nhà"). Thiết kế 3 tầng ngưỡng confidence cho use case này, nêu rõ hành vi UI ở mỗi tầng.