AI hay gặpCâu "sao không 100%" là câu hỏi về kỳ vọng, không phải câu hỏi kỹ thuật. Đáp bằng thuật ngữ (hallucination, temperature) là mất người nghe ngay.
Khung trả lời:
- Đổi câu hỏi từ đúng/sai sang ngưỡng chấp nhận. Không phải "AI có đúng không" mà "đúng 95% có dùng được cho việc này không". Tóm tắt nháp email thì 95% là thừa; tư vấn y tế thì 99.99% vẫn chưa đủ.
- So với người, đừng so với sự hoàn hảo. Nhân viên chăm sóc khách hàng trả lời đúng khoảng 85–90%. Hệ thống đạt 93% tức là đã tốt hơn hiện trạng — đó mới là mốc cần so.
- Nói vì sao bản chất không thể 100%. Model sinh câu trả lời theo xác suất dựa trên pattern đã học, không tra cứu trong cơ sở dữ liệu. Ví von dễ hiểu: một thực tập sinh đọc rất nhiều nhưng trả lời bằng trí nhớ, không lật sách lại — giỏi thật, và thi thoảng tự tin nói sai.
- Luôn kèm cách xử lý, đừng chỉ nêu giới hạn. "Sai 2%" nghe đáng sợ; "sai 2%, nên có RAG đưa dữ liệu thật vào ngữ cảnh, có trích nguồn để kiểm lại, và người duyệt ở nhóm rủi ro cao" nghe là một kế hoạch.
Mẫu trả lời cho đúng câu hỏi đó:
> "Không bao giờ 100%, giống dự báo thời tiết — rất chính xác nhưng không tuyệt đối, vì nó ước lượng xác suất chứ không chạy theo luật cứng. Với việc này chúng ta đang ở 97%, người làm là 92%, chi phí giảm 5 lần. Rủi ro được chặn ba lớp: RAG, cảnh báo khi model không chắc, và người duyệt ở nhóm rủi ro cao."
Chốt bằng bằng chứng thật, kể cả ca hỏng. Đưa vài ví dụ hệ thống trả lời sai — sếp thấy bạn đã lường trước thì tin hơn hẳn khi chỉ được xem ca đẹp. Có tiền lệ để dẫn: Air Canada bị kiện vì chatbot tự bịa chính sách hoàn tiền.
Lỗi hay gặp: sa đà kỹ thuật nên mất người nghe, hoặc hứa quá tay rồi tự đặt cho mình một kỳ vọng không thể đạt.