Generative AI(GenAI)
Nhánh AI tạo ra nội dung mới — văn bản, ảnh, code, giọng nói — thay vì chỉ phân loại hay dự đoán. Đầu ra đổi theo từng lần chạy, nên cách viết yêu cầu và cách nghiệm thu cũng phải đổi theo.
Định nghĩa
Cứ hình dung thế này: AI đời trước giỏi trả lời câu hỏi "cái này thuộc loại nào", còn AI tạo sinh trả lời câu hỏi "viết giúp tôi cái này". Nó sinh ra văn bản, ảnh, code, giọng nói, bảng biểu — thứ chưa từng tồn tại trước đó. Cùng một câu lệnh chạy hai lần có thể ra hai kết quả khác nhau, và đó là đặc tính chứ không phải lỗi.
Chỗ khó của GenAI với BA nằm ở nghiệm thu: bạn không còn một đáp án đúng để so, chỉ còn một dải đáp án chấp nhận được.
Khác gì AI "truyền thống"
| AI phân loại / dự đoán | AI tạo sinh | |
|---|---|---|
| Đầu ra | Một nhãn hoặc một con số | Nội dung tự do |
| Tính lặp lại | Cùng đầu vào ra cùng kết quả | Có thể khác nhau mỗi lần |
| Cách đo | Accuracy, precision, recall | Bộ mẫu chuẩn do nghiệp vụ chấm |
| Dữ liệu cần | Vài nghìn mẫu đã gán nhãn | Thường dùng mô hình có sẵn, không cần huấn luyện |
| Thời gian ra bản chạy được | Vài tuần tới vài tháng | Vài ngày, đôi khi vài giờ |
Chỗ chênh lệch lớn nhất nằm ở thời gian ra bản chạy được, và đó là lý do GenAI lan nhanh tới vậy. Rào cản kỹ thuật để có bản demo gần như bằng không. Rào cản để có bản chạy thật trong doanh nghiệp thì vẫn nguyên.
BA dùng được vào việc gì
Mấy việc dưới đây mình thấy thật sự tiết kiệm thời gian, không phải khoe:
- Chuyển biên bản workshop thành nháp user story, rồi tự tay sửa lại.
- Dò một FRD 60 trang tìm chỗ mâu thuẫn: đưa hai chương liên quan tới nhau và hỏi "hai đoạn này có chỗ nào đá nhau về quy tắc duyệt không".
- Sinh dữ liệu test giả: 200 hồ sơ khách hàng với đủ trường hợp biên, tên tiếng Việt có dấu, số CCCD hợp lệ về định dạng.
- Dịch tài liệu kỹ thuật hai chiều Anh–Việt, giữ nguyên thuật ngữ đã chốt trong glossary dự án.
- Viết bản nháp email báo trượt một CR cho khách, để bạn sửa giọng lại cho vừa.
Còn mấy việc mình thấy chưa đáng dùng: ước lượng story point (nó đoán bừa theo văn phong, không biết năng lực team), viết acceptance criteria thay bạn (nó bịa ra tiêu chí nghe hợp lý nhưng không khớp business rule thật), và vẽ sơ đồ BPMN đúng chuẩn 2.0 (thường sai loại gateway).
Ví dụ thực tế
Chiều thứ Sáu, workshop với bác sĩ và lễ tân vừa tan. Trong máy còn một bản ghi âm 94 phút, ra transcript khoảng 11.400 từ, và sáng thứ Hai đã phải có nháp story để refinement. Dự án app đặt lịch khám cho phòng khám tư, team tám người, sprint hai tuần.
Trước đây viết nháp story mất một ngày rưỡi. Bây giờ transcript chạy qua mô hình, ra 34 story nháp trong bảy phút. Nhưng con số quan trọng hơn là: 12 story dùng được sau khi sửa nhẹ, 15 story phải viết lại phần lớn, 7 story bịa hoàn toàn — nói về tính năng chưa ai nhắc tới trong buổi họp.
Tổng thời gian còn khoảng nửa ngày. Tiết kiệm thật. Nhưng nếu BA đó lười đối chiếu ngược lại transcript, 7 story bịa kia sẽ trôi vào backlog và có khi được ước lượng, được đưa vào sprint, rồi tới demo mới có người hỏi "cái này ai yêu cầu vậy".
Chỗ nên dè chừng
Đầu tiên là dữ liệu. Dán tài liệu nội bộ vào một công cụ miễn phí đồng nghĩa với việc dữ liệu đó rời khỏi công ty. Trước khi làm, đọc kỹ chính sách của nhà cung cấp và hỏi bộ phận pháp chế. Chuyện này không phải hình thức.
Thứ hai là ảo giác. Cái bẫy là mô hình sai mà giọng vẫn y như lúc đúng — không có tín hiệu nào để bạn nghi ngờ.
Thứ ba là thói quen. Dùng lâu dễ mất phản xạ tự đặt câu hỏi. Cái mô hình làm tốt là gom lại những câu người ta đã hỏi. Còn câu chưa ai hỏi — kiểu "đơn xuất hoá đơn rồi mà khách đổi ý thì xử sao" — vẫn phải do bạn nghĩ ra trong lúc ngồi nghe.
Cách mình tự giữ: cái gì đưa cho khách hoặc cho dev đọc, mình phải hiểu từng dòng và giải thích được vì sao viết vậy. Không giải thích được thì xoá.
