Mục lục
RAG: Kết hợp AI với cơ sở tri thức doanh nghiệp
Năm ngoái, một khách hàng của mình hỏi: "Tại sao chatbot AI của mình trả lời câu hỏi như một kẻ ngốc khi mà trong database của tôi có toàn bộ hướng dẫn chi tiết?" Đó là câu hỏi tưởng đơn giản nhưng lại chứa đựng cái gốc của một vấn đề mà nhiều công ty gặp phải – họ có dữ liệu quý giá nhưng các mô hình AI không biết nó tồn tại.
Điều này dẫn tới Retrieval-Augmented Generation (RAG) – một kỹ thuật không hề kỳ lạ nhưng vẫn được nhiều doanh nghiệp hiểu lầm là một "silver bullet" dành cho mọi vấn đề liên quan đến AI.
Bản chất của RAG: Không phải "một kích hoạt"
RAG hoạt động đơn giản: thay vì để mô hình AI tự "haul ass" từ kiến thức training của nó (thường lỗi thời hoặc không đủ chi tiết), ta đưa cho nó tài liệu liên quan từ cơ sở tri thức của riêng doanh nghiệp trước khi nó trả lời.
Ví dụ: Thay vì OpenAI GPT trả lời dựa vào kiến thức chung, nó sẽ trả lời dựa vào chính sách bán hàng của FPT Software hay quy trình xử lý khiếu nại của Vietcombank. Kết quả? Không còn những câu trả lời "ngoài lề" nữa.
Tại sao RAG lại quan trọng với doanh nghiệp Việt Nam?
Hầu hết công ty Việt Nam có một bộ tài liệu khổng lồ: hợp đồng, SOP, hướng dẫn sản phẩm, email từ khách hàng, v.v. Nhưng chúng lại nằm rải rác trên Google Drive, SharePoint, hoặc còn tệ hơn là các file Word cũ kỹ trên máy tính của từng nhân viên.
RAG cho phép bạn "chuyển hóa" đống tài liệu đó thành một nguồn tri thức sống động. Thay vì nhân viên phải lục lọi từng folder, AI có thể tìm kiếm, tổng hợp và đưa ra câu trả lời trong vòng vài giây.
Theo nghiên cứu gần đây, 68% các công ty đã thử RAG thấy giảm thời gian tìm kiếm thông tin từ 25 phút xuống 3 phút. Con số đó nghe có vẻ "sale-y", nhưng trong bối cảnh các công ty Việt Nam có lực lượng nhân sự nhiều nhưng chi phí cao, nó là một bài toán tiền tệ đơn giản.
Những "góc tối" mà ít ai nhắc tới
Chia sẻ bài viết
