Tại buổi hội thảo AI Everything MEA ở Cairo, tác giả chia sẻ kinh nghiệm về niềm tin trong AI dựa trên hơn 100 tỷ giao dịch tài chính mà công ty Moniepoint xử lý. Chủ đề chính là cách một định nghĩa đơn giản như “active user” có thể gây ra lỗi dữ liệu nghiêm trọng.
Ở ngân hàng, mỗi đầu tháng hệ thống tự động trừ phí SMS và ghi nhận lãi suất. Khi “người dùng hoạt động” được định nghĩa là “có ít nhất một giao dịch”, những khách hàng chỉ nhận phí SMS mà không thực sự tương tác cũng được tính là active. Kết quả: báo cáo MAU lên cao, nhưng các bộ phận marketing, sản phẩm và tài chính lại nhận được ba góc nhìn hoàn toàn khác nhau.
Những mô hình AI như dự đoán churn, chấm điểm tín dụng hay cá nhân hoá học được huấn luyện trên dữ liệu này sẽ “nhận” khách hàng không hoạt động là người dùng thường xuyên, dẫn đến quyết định sai lầm. Đây không phải lỗi mô hình mà là vấn đề quản trị dữ liệu – định nghĩa không đồng nhất.
Moniepoint đã giải quyết bằng cách xây dựng hệ thống maker‑checker: người tải lên báo cáo ngân hàng không được tự duyệt. Quy tắc này không chỉ đáp ứng yêu cầu tuân thủ mà còn tạo ra một nguyên tắc kiểm soát dữ liệu xuyên suốt các quy trình – từ báo cáo thanh toán tới phân tích.
Bài học này nhắc nhở các công ty công nghệ Việt Nam rằng, trước khi đưa AI vào quyết định kinh doanh, cần thiết lập khung quản trị dữ liệu chặt chẽ, đồng nhất định nghĩa và quy trình kiểm chứng để tránh “niềm tin sai lệch”.
Nguồn: Hacker News — Biên dịch & tổng hợp: danhbaai.com