Bạn vẫn xem được toàn bộ bài học mà không cần đăng nhập.
Cách làm sạch tài liệu dự án ERP trước khi đưa cho AI: nhóm thông tin phải thay, cách đặt nhãn giữ nguyên cấu trúc, và những chỗ dễ quên.
Trong một buổi rà soát rất bình thường, phía doanh nghiệp hỏi một câu: tài liệu dự án có được đưa qua dịch vụ nào bên ngoài không, và gồm những gì.
Câu trả lời đúng ra phải có sẵn trong đầu bạn, chứ không phải thứ bạn ngồi lục lại tại chỗ. Vậy mà với bất kỳ ai từng nhờ công cụ AI dựng khung tài liệu bằng cách kéo nguyên thư mục dự án vào vùng làm việc của nó, câu đó khó trả lời hơn nhiều so với tưởng tượng.
Lý do là thư mục dự án hiếm khi chỉ chứa đúng những file cần cho phần đang viết. Bên cạnh vài file thật sự liên quan, nó còn có biên bản khảo sát ghi đủ tên pháp nhân và tên người tham dự, bản trích doanh thu mười hai tháng, bảng giá bán theo cấp đại lý, danh sách nhân sự, tức là những thứ chưa ai hỏi có nên đưa đi hay không.
Không phải vì bạn giấu, mà vì tại thời điểm bấm gửi, câu hỏi đó chưa từng được đặt ra.
Mọi quyết định phía sau đều dựa vào một ranh giới duy nhất, nên cần nói nó ra trước.
Một bên là dịch vụ chạy trên máy chủ của nhà cung cấp, nơi mọi thứ bạn gõ hay tải lên đều rời khỏi máy bạn. Bên kia là mô hình chạy nội bộ, cài trên máy bạn hoặc trên hạ tầng mà công ty bạn tự quản lý.
Lập trường của tôi khá đơn giản: dữ liệu của doanh nghiệp khách hàng thì không đưa lên dịch vụ chạy trên máy chủ nhà cung cấp, và nếu buộc phải dùng nhóm đó thì thứ đưa lên phải là bản đã làm sạch.
Đây là quy tắc làm việc của tôi chứ không phải khẳng định kỹ thuật về sản phẩm nào, bởi chính sách dữ liệu của từng nhà cung cấp khác nhau, khác cả giữa các gói của cùng một nhà cung cấp, và đổi theo thời gian; cách an toàn là coi mọi thứ đã gửi đi là đã ra khỏi tầm kiểm soát của bạn.
Trước khi làm sạch thì phải biết mình đang tìm gì, và trong tài liệu dự án ERP có năm nhóm gần như lúc nào cũng xuất hiện.
Nhóm điều khoản là nhóm hay bị bỏ sót nhất, bởi người ta nghĩ hợp đồng chẳng liên quan gì tới tài liệu đặc tả, trong khi phần phạm vi công việc trong tài liệu thường được chép gần như nguyên văn từ phụ lục hợp đồng.
Phản xạ đầu tiên của phần lớn mọi người là xóa, và đây chính là chỗ hỏng việc.
Khi bạn xóa tên công ty, xóa vai trò và xóa con số, thứ đưa cho công cụ chỉ còn là một đoạn văn thủng lỗ chỗ, nên nó tự lấp đầy bằng những gì nó đoán ra, và bạn nhận về một tài liệu trôi chảy mô tả một doanh nghiệp không tồn tại.
Cách làm đúng là thay chứ không xóa, tức là giữ nguyên vai trò cùng quan hệ và chỉ bỏ phần định danh.
Thay vì viết tên pháp nhân, bạn viết một mã kèm mô tả vai trò, chẳng hạn KH-01 là doanh nghiệp phân phối vật tư, ba kho, bán sỉ cho đại lý và bán lẻ tại cửa hàng; thay vì viết tên người, bạn viết NS-03 là kế toán trưởng, người duyệt bút toán. Với một quy tắc kiểu chỉ kế toán trưởng mới được duyệt thì cái tên không mang thêm thông tin nào, còn chức danh thì có.
Quan hệ giữa các thực thể thì bắt buộc phải giữ, vì đó mới là thứ sinh ra logic. Nếu đại lý cấp một được nợ còn đại lý cấp hai phải trả trước, bạn giữ nguyên hai cấp đó và chỉ thay tên từng đại lý bằng mã.
Với con số thì có một đường phân chia đáng nhớ. Con số chỉ để minh họa quy mô thì thay bằng số tròn cùng bậc độ lớn, bởi công cụ chỉ cần biết đây là doanh nghiệp vài trăm đơn một ngày.
Ngược lại, con số đóng vai trò ngưỡng trong một quy tắc thì giữ nguyên nhưng bỏ chủ thể đi, vì một ngưỡng hạn mức công nợ không gắn tên khách thì không còn là dữ liệu kinh doanh, còn nếu bạn đổi nó thì logic chặn đơn hàng sai ngay từ gốc.
Đồng thời, hãy giữ một bảng đối chiếu giữa mã và tên thật, để trên máy của bạn và không bao giờ đưa vào thư mục làm việc. Bảng này vừa cho phép bạn ghép kết quả trở lại tài liệu thật, vừa trả lời được đúng câu hỏi ở đầu bài mà lúc đó bạn chưa trả lời được.
Nhiều công cụ AI dùng cho việc làm tài liệu hiện nay làm việc theo thư mục, nghĩa là nó đọc được mọi thứ nằm trong thư mục bạn chỉ cho nó. Do đó đừng bao giờ chỉ nó vào thư mục dự án thật, vốn lúc nào cũng chứa nhiều file hơn bạn nhớ.
Cách làm an toàn gồm ba việc rất cơ học.
Việc tách còn một tầng nữa là tầng nội dung, bởi thường chỉ phần cấu trúc và phần diễn đạt mới cần đưa cho công cụ, còn số liệu thật và danh tính thì bạn tự điền vào sau. Ranh giới giữa những việc AI làm được và những việc nó làm không được đã có bài riêng, ở đây chỉ cần nhớ rằng phần nó làm tốt hầu như không cần tới dữ liệu thật.
Người làm cẩn thận vẫn lộ dữ liệu, nhưng thường không lộ ở thân tài liệu mà ở những chỗ dưới đây. Trước khi chép file sang thư mục làm việc, tôi rà theo danh sách sau:
Ảnh chụp màn hình là chỗ nguy hiểm nhất, vì nó chứa nhiều thông tin nhất mà lại không tìm được bằng thao tác tìm và thay thế, nên bạn buộc phải mở ra nhìn từng cái.
Chuyện đánh số thành phần trên ảnh đã có bài riêng về bảng mô tả trường dữ liệu, còn ở đây chỉ cần che vùng chứa danh tính trước khi lưu. Cách dựng file mẫu nạp dữ liệu cũng đã có bài riêng, và điều cần nhớ ở đây là file mẫu gần như luôn được cắt ra từ dữ liệu thật, nên nó là file rủi ro nhất trong cả bộ.
Phần ghép lại có ba chỗ hay sai, và cả ba đều nằm ở khâu bạn tưởng là việc vặt.
Chỗ thứ nhất là ghép tay. Bạn phải thay theo bảng đối chiếu bằng thao tác tìm và thay thế chứ đừng gõ lại, vì gõ lại thì gần như chắc chắn sót một mã giữa một đoạn dài, và một tài liệu gửi khách mà còn chữ KH-01 nằm giữa câu thì mất uy tín hơn cả rủi ro dữ liệu mà bạn đang cố tránh.
Chỗ thứ hai là phần công cụ viết quanh chỗ trống. Bạn đã thay số liệu thật bằng số minh họa, nên mọi câu kết luận về quy mô, tần suất hay khối lượng trong bản trả về đều phải đọc lại và viết lại theo dữ liệu thật.
Chỗ thứ ba là các quy tắc nghiệp vụ. Công cụ AI có xu hướng làm mọi thứ tròn trịa nên nó hay tự thêm những điều kiện không ai yêu cầu, vì vậy hãy ràng buộc ngay trong câu lệnh rằng muốn đổi bất kỳ quy tắc nào thì phải hỏi bạn trước, rồi khi ghép về thì đối chiếu từng quy tắc với biên bản khảo sát đã được xác nhận.
Toàn bộ phần trên chỉ có ý nghĩa khi bạn đã được phép dùng, nên có vài câu cần hỏi trước, và phải hỏi đúng người.
Với công ty mình, bạn cần biết:
Nếu công ty chưa có chính sách thì đừng coi đó là được phép, mà hãy coi là chưa ai quyết, rồi hỏi người quản lý dự án bằng văn bản để có một câu trả lời lưu lại được.
Với phía doanh nghiệp thì bạn không tự đi hỏi mà hỏi qua người quản lý hợp đồng bên mình, bởi câu hỏi này chạm vào điều khoản thương mại chứ không phải chuyện kỹ thuật. Nội dung cần làm rõ gồm:
Cần lưu ý rằng nhóm danh tính con người là dữ liệu cá nhân, và từ ngày 01/01/2026, việc xử lý loại dữ liệu này ở Việt Nam chịu sự điều chỉnh của Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15 cùng Nghị định 356/2025/NĐ-CP hướng dẫn luật, thay cho Nghị định 13/2023/NĐ-CP trước đó.
Tôi không đọc hợp đồng thay bạn được và cũng không tư vấn pháp lý, nên việc áp các văn bản đó vào trường hợp cụ thể là của người có thẩm quyền bên bạn, còn vai trò của bạn là nêu đúng câu hỏi và nêu đủ sớm.
Một số trường hợp thì ranh giới rộng hơn hẳn, chẳng hạn dự án nội bộ cho chính công ty mình, hoặc doanh nghiệp chủ động nói dữ liệu này không có gì phải giữ. Ngay cả khi đó, danh tính con người vẫn nên được bỏ ra trước khi đưa vào công cụ, vì tên và email không giúp gì cho chất lượng đầu ra.
Bạn sẽ gặp những chỗ không nằm trong danh sách nào, và cần một quy tắc đủ nhanh để dùng ngay tại chỗ.
Quy tắc tôi dùng là hình dung đoạn đó xuất hiện nguyên văn trên màn hình của một người bạn không quen, ở một công ty khác, đang làm một dự án khác. Nếu cảnh đó khiến bạn phải gọi điện cho ai đó để giải thích thì đoạn đó không được đưa lên.
Trong trường hợp vẫn phân vân thì mặc định là thay bằng nhãn rồi hỏi lại sau, bởi thay một cái tên bằng một mã chỉ tốn vài phút, còn một cuộc gọi giải thích với khách thì không có cách nào tính bằng phút.
Nên nhớ rằng bản thân tôi không phải chuyên gia bảo mật dữ liệu, và đây là cách làm của một người làm tài liệu chứ không phải chuẩn mực kỹ thuật, nên chỗ nào công ty bạn quy định chặt hơn thì theo công ty.
Khi bộ tài liệu đã sạch, câu hỏi kế tiếp không còn là được đưa cái gì cho công cụ, mà là dùng nó để rút ngắn quãng đường từ tài liệu đặc tả sang tài liệu hướng dẫn người dùng, một việc mà chất lượng phần mô tả màn hình trong tài liệu đặc tả quyết định gần như toàn bộ.
Thảo luận (0)
Bạn cần đăng nhập để thảo luận