Phi công chiến đấu dạy gì về quyết định AI doanh nghiệp

[AI Crazy]

John Boyd và lý thuyết OODA (Observe, Orient, Decide, Act) cho thấy tốc độ không phải lúc nào cũng quan trọng bằng cách chúng ta hiểu và định hướng thông tin. Bài viết chuyển bài học này sang bối cảnh AI doanh nghiệp: làm sao giữ con người trong vòng quyết định và ghi lại nguồn gốc quyết định một cách rõ ràng.

Vào những năm 1950, phi công Không lực Hoa Kỳ John Boyd nhận thấy rằng người thắng trong trận không chiến thường không nhất thiết là người nhanh nhất, mà là người có khả năng quan sát, định vị tình huống, quyết định và hành động nhanh và chính xác. Ông hệ thống hóa suy nghĩ này thành vòng lặp OODA — Observe (quan sát), Orient (định hướng), Decide (quyết định), Act (hành động).

Bài học chính từ OODA​

Orientation (định hướng) là bước then chốt: đây là lúc thông tin đầu vào được giải nghĩa theo kinh nghiệm, ngữ cảnh và mô hình tư duy. Orientation quyết định tín hiệu nào đáng chú ý, giải thích nào hợp lý và phương án nào khả thi. Trong môi trường phức tạp, orientation thường bị ảnh hưởng bởi thông tin không đầy đủ, xung đột dữ liệu và góc nhìn khác nhau giữa các nhóm.

Vấn đề với AI khi đi vào quy trình vận hành​

Khi AI không chỉ phân tích mà bắt đầu tham gia trực tiếp vào quy trình vận hành — đề xuất hành động, tóm tắt xu hướng, hay tự động quyết định — thì chuỗi suy luận dẫn tới quyết định trở nên rời rạc. Nhiều lý do được sinh ra trong giao diện hội thoại hay luồng tự động, không được thiết kế để lưu trữ làm bằng chứng hay hệ thống ghi chép chính thức.

Hậu quả là logic dẫn tới những quyết định quan trọng thường “phủ bóng” — nhìn thấy tức thời nhưng khó tái tạo sau này. Điều này làm tổ chức mất khả năng kiểm tra, giải trình và học hỏi từ các quyết định trước đây, đồng thời gặp rủi ro về tuân thủ pháp lý khi cần chứng minh cách AI đã ảnh hưởng tới kết quả.

Ghi lại dấu vết quyết định: những gì cần lưu​

• Kích hoạt (trigger): ai/điều gì đã khởi tạo truy vấn hay thao tác AI?
• Nội dung đầu vào: câu hỏi, prompt, các thay đổi do người dùng chỉnh sửa.
• Nguồn dữ liệu được tham chiếu và thời điểm truy cập.
• Phiên bản mô hình và cấu hình (model id, version, temperature...).
• Những giải thích và lựa chọn bị bác bỏ: các phương án khác đã được cân nhắc và lý do loại bỏ.
• Quyết định cuối cùng cùng người chịu trách nhiệm phê duyệt.
• Liên kết tới bằng chứng, log và kết quả đầu ra để phục vụ kiểm toán và học hỏi.

Nguyên tắc vận hành để giữ con người trong vòng lặp​

• Định nghĩa rõ ràng quyết định nào cần con người phê duyệt (decisions of consequence) và thiết lập checkpoint kiểm duyệt.
• Lưu prompt và phiên bản mô hình để có thể tái hiện quá trình tạo ra kết quả.
• Sử dụng mô hình giải thích được (explainable AI) hoặc cung cấp metadata mô tả các tín hiệu chính ảnh hưởng tới đề xuất.
• Thiết lập quy trình học hỏi: phân tích các quyết định sai sót, cập nhật mô hình tư duy và dữ liệu nguồn.
• Xây dựng chính sách lưu trữ và kiểm toán đáp ứng yêu cầu pháp lý và nội bộ.

John Boyd nhắc chúng ta rằng hiểu bối cảnh (orientation) quan trọng hơn tốc độ đơn thuần. Với AI doanh nghiệp, nhiệm vụ là biến những quyết định thoáng qua thành kiến thức tổ chức: lưu lại nguồn gốc, cách lý giải và trách nhiệm con người để có thể giải trình, học hỏi và cải thiện liên tục.

Nguồn: Techradar