Hai thế giới
Trong hai mươi năm qua, phần mềm tạo ra giá trị bằng cách làm đúng một việc, mọi lần. Bạn nhập một số, nó cộng đúng. Bạn bấm lưu, nó lưu. Nếu sai, đó là lỗi — và lỗi thì sửa được cho hết.
Sản phẩm AI tạo ra giá trị theo cách khác hẳn: làm đúng phần lớn các lần, và giá trị đến từ phần lớn đó, sau khi trừ đi cái giá của phần còn lại. Sai không phải lỗi. Sai là một phần của cách nó hoạt động, và nó không bao giờ hết.
Đây không phải khác biệt kỹ thuật. Nó là khác biệt về điều gì được coi là thành công — và nó chạm vào mọi thứ: cách bạn viết yêu cầu, cách nghiệm thu, cách hứa với khách hàng, cách quyết định đã xong hay chưa.
Bảng so sánh
| Câu hỏi | Thế giới tất định | Thế giới xác suất |
|---|---|---|
| Nó có chạy không? | Có hoặc không | Đúng khoảng bao nhiêu phần trăm, ở nhóm ca nào |
| Đã xong chưa? | Hết lỗi đã biết | Đạt ngưỡng đã thoả thuận và giữ được ngưỡng đó |
| Sai thì sao? | Tìm và sửa nguyên nhân | Giảm tỉ lệ, và thiết kế cho lần sai |
| Kiểm thế nào? | Đầu vào này cho đầu ra kia | Chạy bộ ca lớn, so phân phối kết quả |
| Hứa gì với khách? | Tính năng này làm được việc này | Mức chính xác này, trong phạm vi này |
| Lỗi cũ có quay lại không? | Không, nếu đã sửa và có kiểm thử | Có — mô hình đổi, dữ liệu đổi, ca cũ hỏng lại |
Vì sao điều này quan trọng với bạn ngay bây giờ
Phần lớn sản phẩm hiện nay là hỗn hợp: phần lớn vẫn tất định, và một vài tính năng là xác suất. Nguy hiểm nằm ở chỗ đội áp dụng phản xạ của thế giới cũ lên phần mới — và không ai nhận ra, vì cả hai nằm trong cùng một sản phẩm, cùng một sprint, cùng một quy trình nghiệm thu.
Triệu chứng dễ nhận nhất: một tính năng AI được xây xong, chạy được, rồi mắc kẹt ở khâu nghiệm thu nhiều tuần vì không ai định nghĩa được thế nào là đạt. Đội kỹ thuật nói "nó hoạt động"; QA nói "tôi tìm ra ca sai"; PO không biết ai đúng. Cả ba đều đúng, và cả ba đang dùng định nghĩa "đạt" khác nhau.
Ví dụ: cùng một tính năng, hai cách nghĩ
Công ty bảo hiểm muốn tự động phân loại hồ sơ bồi thường thành "đơn giản" và "cần xem xét".
Cách nghĩ tất định. "Xây hệ thống phân loại hồ sơ. Yêu cầu: phân loại chính xác. Nghiệm thu: chạy đúng trên bộ kiểm thử." Đội làm sáu tháng, đạt 86% chính xác, và không ai biết như vậy là đạt hay không đạt. Nghiệm thu bế tắc. Kinh doanh nói đã hứa "tự động phân loại" với khách. Dự án dừng.
Cách nghĩ xác suất. Bốn việc khác nhau:
- Tách hai loại sai và định giá riêng. Gán nhầm hồ sơ phức tạp vào nhóm đơn giản: nguy hiểm, có thể chi trả sai. Gán nhầm hồ sơ đơn giản vào nhóm cần xem xét: chỉ tốn thời gian người. Hai loại này không hề ngang giá.
- Chỉnh hệ thống nghiêng về loại sai rẻ hơn. Chấp nhận đẩy nhiều hồ sơ sang nhóm cần xem xét hơn mức tối ưu, để gần như không bao giờ bỏ lọt hồ sơ phức tạp.
- Đặt ngưỡng theo giá trị kinh doanh. Nếu 60% hồ sơ xử lý tự động và tỉ lệ bỏ lọt dưới 0,5%, đội xử lý giảm một phần ba khối lượng. Đó là thành công, và nó đo được.
- Thiết kế cho lần sai. Mọi hồ sơ tự động duyệt đều rà lại được trong 30 ngày; mẫu ngẫu nhiên 2% được người kiểm hằng tuần.
Vì sao người có kinh nghiệm lại khó hơn người mới
Điều này nghe phản trực giác nhưng quan sát được ở rất nhiều tổ chức: kinh nghiệm sâu trong thế giới tất định đôi khi là gánh nặng, không phải lợi thế, khi bước sang sản phẩm AI.
Lý do không phải vì họ kém thích nghi. Lý do là những phản xạ đã giúp họ thành công suốt hai mươi năm — và đã tự động tới mức không còn được suy nghĩ nữa — lại dẫn sai trong bối cảnh mới. "Sửa cho hết lỗi rồi mới ra mắt" là một quy tắc tốt. Nó chỉ sai với đúng một loại sản phẩm.
Người mới vào nghề không có lợi thế về kiến thức — họ có lợi thế vì không có gì phải gỡ bỏ.
Làm ngay
Chọn một tính năng AI trong sản phẩm của bạn — đang làm, hoặc đang bàn, hoặc bạn nghĩ sẽ làm trong năm nay. Viết ra hai câu:
- Nếu nó sai, chuyện gì xảy ra với người dùng?
- Hôm nay ai sẽ quyết được rằng nó "đủ tốt để ra mắt"?