Khi nhắc đến trí tuệ nhân tạo, nhiều người nghĩ ngay đến công cụ viết bài, trả lời câu hỏi hoặc tạo hình ảnh. Tuy nhiên, AI còn có thể hỗ trợ những công việc ít được chú ý hơn: phân loại tin nhắn, nhận diện yêu cầu khẩn cấp và xác định bước xử lý tiếp theo cho phần mềm.
JEV là mô hình AI của TypeSafe được thiết kế cho các tác vụ ra quyết định có cấu trúc. Vậy JEV hoạt động như thế nào, khác gì với ChatGPT và có thể ứng dụng vào những công việc nào? Hãy cùng tìm hiểu qua các ví dụ đơn giản dưới đây.
JEV là gì?
JEV, được nhà phát triển viết là Jev, là mô hình AI giúp phần mềm đưa ra đánh giá dựa trên dữ liệu được cung cấp. Kết quả có thể là một lựa chọn, một điểm số hoặc xác suất cho câu trả lời “Có”.
TypeSafe xếp JEV vào nhóm System One Models, hướng đến những quyết định nhanh mà ứng dụng có thể sử dụng trực tiếp. Nguồn: TypeSafe AI
Để dễ hình dung, hãy tưởng tượng bạn quản lý một cửa hàng trực tuyến. Một khách hàng gửi tin nhắn: “Tôi đã liên hệ ba lần nhưng vẫn chưa được giải quyết.”
Tin nhắn không có từ “tức giận”, nhưng vẫn thể hiện sự không hài lòng. JEV có thể đánh giá nội dung này, giúp hệ thống nhận diện trường hợp cần được quan tâm.
Sau đó, phần mềm của cửa hàng sẽ dựa vào kết quả để đánh dấu tin nhắn hoặc chuyển cho nhân viên hỗ trợ. JEV đưa ra đánh giá; phần mềm thực hiện hành động theo quy tắc đã thiết lập.
JEV hoạt động như thế nào?
Quy trình sử dụng JEV gồm ba bước:
- Cung cấp dữ liệu: Chẳng hạn như nội dung email, tin nhắn khách hàng hoặc thông tin về một tình huống.
- Đặt câu hỏi: Xác định điều bạn muốn đánh giá và các phương án trả lời.
- Nhận kết quả: JEV trả về dữ liệu để phần mềm tiếp tục xử lý.
Dữ liệu đầu vào được gọi là state, có thể hiểu đơn giản là “thông tin về tình huống cần xem xét”. Theo nội dung hướng dẫn sử dụng, JEV hỗ trợ ba dạng câu hỏi chính:
| Dạng câu hỏi | Dùng để làm gì? | Ví dụ |
|---|---|---|
Có/Không — Null |
Ước tính xác suất câu trả lời là “Có” | Khách hàng có đang không hài lòng không? |
Lựa chọn — Choice |
Chọn trong các phương án được cung cấp | Đây là yêu cầu hoàn tiền, đổi hàng hay hỏi thông tin? |
Chấm điểm — Score |
Đánh giá theo thang đo đã định nghĩa | Yêu cầu này khẩn cấp ở mức nào? |
Với câu hỏi Có/Không, kết quả có thể là một số từ 0 đến 1. Ví dụ, 0,95 nghĩa là mô hình ước tính xác suất trả lời “Có” ở mức 95%. Đây là đánh giá của mô hình, không phải cam kết rằng kết luận luôn đúng.
Người dùng cũng có thể gộp nhiều câu hỏi trong một yêu cầu. Chẳng hạn, cùng một tin nhắn được xem xét về chủ đề, mức độ khẩn cấp và nhu cầu chuyển cho nhân viên.
Vì sao JEV được gọi là mô hình “System One”?
Tên gọi này lấy cảm hứng từ khái niệm tư duy nhanh và tư duy chậm trong cuốn Thinking, Fast and Slow của Daniel Kahneman.
Trong cách giới thiệu của TypeSafe, System One hướng đến những đánh giá nhanh bên trong phần mềm. Ví dụ, hệ thống cần xác định ngay một yêu cầu nên chuyển đến bộ phận bán hàng hay chăm sóc khách hàng. Nguồn: Bài giới thiệu JEV
Bạn có thể hình dung JEV như một “điều kiện nếu… thì…” linh hoạt hơn.
Với quy tắc “mua từ ba sản phẩm thì miễn phí giao hàng”, phần mềm thông thường đã xử lý tốt. Nhưng với yêu cầu “ưu tiên khách hàng có dấu hiệu bức xúc”, việc chỉ tìm một vài từ khóa dễ bỏ sót ý nghĩa. Đây là kiểu tình huống mà mô hình đánh giá ngôn ngữ như JEV có thể hữu ích.
JEV khác gì với ChatGPT?
Điểm khác biệt dễ hiểu nhất nằm ở mục đích sử dụng.
ChatGPT là ứng dụng trợ lý AI phục vụ nhiều nhu cầu như trò chuyện, viết nội dung và hỗ trợ lập trình. JEV là mô hình được thiết kế để tích hợp vào phần mềm, tập trung vào các kết quả đánh giá đã định nghĩa trước.
| Tiêu chí | JEV | ChatGPT |
|---|---|---|
| Nhu cầu chính | Phân loại, lựa chọn, chấm điểm | Trò chuyện, giải thích, tạo nội dung |
| Kết quả điển hình | Lựa chọn hoặc điểm số kèm thông tin xác suất | Câu trả lời bằng ngôn ngữ tự nhiên |
| Cách sử dụng | Tích hợp vào ứng dụng và quy trình | Tương tác với trợ lý qua giao diện |
| Ví dụ | Xác định email cần chuyển cho bộ phận nào | Soạn email trả lời khách hàng |
Các mô hình đứng sau những trợ lý AI cũng có thể phân loại dữ liệu và trả kết quả có cấu trúc. Vì vậy, đây không phải khả năng riêng của JEV. Điểm đáng chú ý là JEV tập trung thiết kế cho nhóm tác vụ này.
Hai hướng tiếp cận có thể bổ sung cho nhau. Trong một hệ thống hỗ trợ khách hàng, JEV có thể phân loại yêu cầu trước, sau đó một mô hình tạo văn bản sẽ soạn câu trả lời.
JEV có thể ứng dụng vào những công việc nào?
Phân loại và chuyển yêu cầu khách hàng
Một cửa hàng có thể nhận nhiều loại tin nhắn: hỏi giá, kiểm tra đơn hàng, yêu cầu bảo hành hoặc đổi trả.
JEV có thể hỗ trợ xác định nhóm nội dung để hệ thống chuyển yêu cầu đến đúng bộ phận, giảm thao tác phân loại thủ công.
Nhận diện trường hợp cần ưu tiên
Không phải tin nhắn nào cũng cần xử lý theo cùng một thứ tự. Nội dung báo giao nhầm sản phẩm hoặc phản ánh việc chờ hỗ trợ nhiều lần có thể cần được xem xét sớm hơn.
JEV có thể đánh giá mức độ khẩn cấp theo tiêu chí doanh nghiệp cung cấp, hỗ trợ nhân viên sắp xếp công việc.
Phân loại tài liệu
Với các tài liệu đã được chuyển thành văn bản, JEV có thể hỗ trợ phân nhóm theo danh sách có sẵn, chẳng hạn như hợp đồng, hóa đơn hoặc yêu cầu hỗ trợ.
Kết quả này có thể được dùng để đưa tài liệu vào thư mục hoặc quy trình phù hợp.
Hỗ trợ kiểm tra nội dung
JEV có thể đánh giá nội dung theo tiêu chí được đặt ra, ví dụ nhận diện dấu hiệu spam hoặc xác định trường hợp cần kiểm tra thêm.
Những tình huống khó phân loại có thể được chuyển cho người phụ trách xem xét thay vì xử lý tự động ngay.
Chi phí sử dụng JEV là bao nhiêu?
Theo mức giá TypeSafe công bố khi giới thiệu JEV, chi phí đầu vào là 0,042 USD cho mỗi triệu token và đầu ra được miễn phí. Mức này tương đương 42 USD cho một tỷ token đầu vào. Nguồn: Công bố của TypeSafe
Token là đơn vị nhỏ mà mô hình dùng để xử lý nội dung. Một token không nhất thiết tương ứng với một từ.
Ví dụ, giả sử mỗi lần kiểm tra tin nhắn sử dụng tổng cộng 500 token đầu vào, bao gồm cả nội dung và câu hỏi:
- 10.000 lần kiểm tra sử dụng khoảng 5 triệu token.
- Chi phí mô hình tương ứng khoảng 0,21 USD.
- Với 1 USD, có thể thực hiện khoảng 47.600 lần kiểm tra ở cùng mức đầu vào.
Đây là phép tính minh họa theo đơn giá trên, chưa tính chi phí vận hành ứng dụng hoặc dịch vụ trung gian. Giá thực tế cần được kiểm tra tại thời điểm sử dụng.
Cách bắt đầu sử dụng JEV cho người mới
Theo nội dung hướng dẫn bạn cung cấp, người dùng có thể bắt đầu với Playground để thử nghiệm, sau đó tích hợp qua API.
Quy trình cơ bản gồm:
- Truy cập website TypeSafe: Kiểm tra cách đăng ký và điều kiện truy cập hiện hành.
- Chuẩn bị ví dụ đơn giản: Chẳng hạn một vài tin nhắn cần phân loại.
- Đặt câu hỏi rõ ràng: Nêu cụ thể tiêu chí và các phương án trả lời.
- Đối chiếu kết quả: Kiểm tra xem đánh giá có phù hợp với cách bạn xử lý thực tế hay không.
- Tích hợp vào phần mềm: Lập trình viên sử dụng API để kết nối JEV với ứng dụng.
API có thể hiểu là cầu nối giúp phần mềm gửi dữ liệu đến JEV và nhận kết quả về. Bạn có thể bắt đầu tìm hiểu từ website chính thức của TypeSafe.
Khi nào không nên dùng JEV?
JEV không phù hợp nếu mục tiêu chính của bạn là viết bài, tóm tắt tài liệu, tạo mã nguồn hoặc trò chuyện bằng những câu trả lời dài.
Các phép tính rõ ràng như cộng tiền đơn hàng, đếm sản phẩm hoặc so sánh ngày tháng cũng nên được xử lý trực tiếp bằng phần mềm thông thường.
Ngoài ra, kết quả đúng định dạng không đồng nghĩa với đánh giá đúng nội dung. Một yêu cầu hoàn tiền vẫn có thể bị phân loại nhầm thành yêu cầu đổi hàng. Khi triển khai, cần kiểm tra JEV trên dữ liệu thực tế và xác định những trường hợp phải chuyển cho con người xem xét.
Câu hỏi thường gặp về JEV
JEV có phải là chatbot không?
JEV được thiết kế để trả về kết quả đánh giá cho phần mềm, thay vì trò chuyện và tạo câu trả lời tự do như chatbot.
JEV có thay thế ChatGPT không?
Hai công cụ phục vụ nhu cầu khác nhau. JEV tập trung vào các quyết định có cấu trúc, còn ChatGPT phù hợp với nhiều công việc cần giao tiếp và tạo nội dung.
Không biết lập trình có tìm hiểu JEV được không?
Bạn vẫn có thể hiểu cách hoạt động và thử các tình huống mẫu khi có quyền truy cập công cụ thử nghiệm. Việc đưa JEV vào website hoặc ứng dụng thường cần người có kiến thức lập trình hỗ trợ.
JEV có luôn đưa ra quyết định đúng không?
Không. JEV vẫn có thể đánh giá sai, nhất là khi dữ liệu thiếu ngữ cảnh hoặc tiêu chí chưa rõ ràng. Cách bắt đầu phù hợp là chọn một công việc nhỏ, thử trên các trường hợp đã biết đáp án và kiểm tra kết quả trước khi mở rộng sử dụng.
