Các bản thể luận doanh nghiệp linh hoạt cho tác nhân AI

Thuật ngữ “bản thể luận” đang thịnh hành. Vì sao? Các tác nhân và mô hình ngôn ngữ lớn (LLM) cung cấp sức mạnh cho chúng cần ngữ cảnh kinh doanh phù hợp.

Trước khi quyết định mua một giải pháp bản thể luận, hãy hỏi nhà cung cấp: “Khi bản thể luận mô tả sai doanh nghiệp của chúng tôi, nhân viên có thể sửa như thế nào — và những gì vẫn phụ thuộc vào quý vị?” Câu trả lời sẽ cho bạn biết nhiều điều về mô hình doanh nghiệp mà bạn đang chọn. Câu trả lời đó cũng cho thấy những vấn đề lớn hơn đang được đặt ra: khả năng cải thiện mô hình khi doanh nghiệp thay đổi, cũng như khả năng duy trì giá trị của khoản đầu tư này nếu bạn chuyển sang nền tảng khác.

Việc phân biệt bản thể luận với đồ thị tri thức rất hữu ích, dù hai khái niệm này thường có phần giao thoa.

Bản thể luận: Những loại sự vật nào tồn tại, các mối quan hệ có ý nghĩa gì và những quy tắc nào được áp dụng. Thiết bị, bộ phận, nhóm, vai trò, quy trình. Chẳng hạn, một bản thể luận có thể định nghĩa kiểu “Thiết bị” và mối quan hệ “Chứa” với một “Bộ phận”. Sau đó, đồ thị tri thức có thể ghi nhận: “Máy bơm P-101 chứa Phớt S-7” — gồm hai thực thể cụ thể và mối quan hệ giữa chúng.

Hãy hình dung bạn yêu cầu một tác nhân: “Tính mức tăng trưởng doanh số của các cửa hàng hiện hữu, nhưng trình bày so sánh song song: một bên gồm tất cả cửa hàng, bên còn lại loại trừ các cửa hàng mới mở chưa đủ 2 năm; sau đó chia cả hai bên thành trong nước, quốc tế và tổng hợp.”

Yêu cầu đó phụ thuộc vào những chi tiết mà tác nhân không thể tự đoán:

• có những cửa hàng nào và chúng khai trương khi nào
• chúng nằm ở đâu
• định nghĩa nội bộ về “doanh số của các cửa hàng hiện hữu”

Một chính sách có thể quy định loại trừ cửa hàng cho đến khi cửa hàng hoạt động được một năm; nhóm hai năm theo yêu cầu sẽ áp dụng thêm một điều kiện lọc. Ngay cả khi đó, bạn sẽ so sánh các tháng dương lịch ngay khi cửa hàng đủ điều kiện, hay chỉ đưa cửa hàng vào sau khi đã trọn một năm tài chính trước đó?

Bản thể luận cần liên kết các cửa hàng đó với chính sách chi phối cách tính. Việc tìm ra các dữ kiện liên quan là hữu ích; áp dụng đúng quy tắc mới là điều khiến câu trả lời có giá trị.

Trước khi trả lời câu hỏi, tác nhân có thể sử dụng các mối quan hệ trong đồ thị để truy xuất ngữ cảnh phù hợp. Các tác nhân hữu ích như vậy cũng chẳng có gì đáng ngạc nhiên, bởi các miền tri thức có thể trở nên rất phức tạp.

Hình 1: Đồ thị kết hợp các mô hình SysML công khai: TMT Thirty Meter Telescope (Open-MBEE/JPL, Apache-2.0), CubeSat System Reference Model (© 2022 INCOSE SSWG & OMG SDTF, CC BY 4.0), Architecting Spacecraft with SysML (Friedenthal & Oster, BSD-2-Clause), cùng nội dung về chòm sao MDC hư cấu và các thông số kỹ thuật công khai (IS-GPS-200, IS-GPS-705, GSFC-STD-7000B). Được dựng bằng Kamiwaza Kaizen.

Tuy nhiên, quá trình trích xuất cũng có thể mã hóa sai sót. Các nhóm có thể dùng những tên gọi khác nhau cho cùng một thực thể, dẫn đến trùng lặp. Các nguồn có thể mâu thuẫn hoặc trở nên lỗi thời. Ngay cả một nguồn rõ ràng cũng có thể bị LLM đọc sai. Khiến những sai sót đó có vẻ đáng tin cậy không làm chúng bớt nguy hiểm.

Những rủi ro đó tăng lên khi mô hình doanh nghiệp trở thành một hệ thống có thể tác động đến doanh nghiệp. Khi ấy, một mối quan hệ sai có thể dẫn đến hành động sai, chứ không chỉ tạo ra câu trả lời sai.

Rủi ro của các sản phẩm bản thể luận

Trước tiên, hãy cảnh giác với những mô hình thiếu linh hoạt. Với danh nghĩa cung cấp một giải pháp “đầy đủ mọi thứ ngay từ đầu”, nhà cung cấp có thể ưu tiên các thực thể của mình, đồng thời hạn chế khả năng của các thực thể do bạn định nghĩa. Khả năng tùy chỉnh là chưa đủ nếu các kiểu tùy chỉnh không có chức năng tìm kiếm, xác thực hoặc thực thi hành động.

Thứ hai, hãy tìm một lộ trình từ khâu khám phá đến quản trị. Công cụ nên cho phép bạn khởi tạo đồ thị từ những gì LLM nhận diện, rồi xác thực đồ thị theo các ràng buộc được nêu rõ. Bạn cần có khả năng chuyển các trường hợp ngoại lệ cho con người xử lý và lưu giữ tri thức đang được khám phá mà không coi đó là dữ liệu doanh nghiệp đã được phê duyệt.

Rủi ro lớn nhất là gắn các quy trình kinh doanh vào một nền tảng mà bạn không thể rời bỏ. Bản thể luận thể hiện doanh nghiệp của bạn: tri thức, quy trình và các mối quan hệ của doanh nghiệp. Khoản đầu tư vào việc chọn lọc, quản lý tri thức và logic kinh doanh đó cần tiếp tục hữu ích ngay cả khi bạn đổi công cụ. Tại sao nhà cung cấp lại được quyền khóa chặt những thứ đó?

Khi nào embedding đồ thị phát huy tác dụng

Khi đồ thị tri thức phát triển đến quy mô rất lớn, bạn có thể cân nhắc chọn công cụ hoặc nhà cung cấp hỗ trợ embedding đồ thị. Phương pháp này có nhiều điểm tương đồng với embedding ngữ nghĩa được dùng trong nhiều ứng dụng RAG. Có hai lợi ích đáng cân nhắc.

Thứ nhất, chỉ cần đi qua vài bước trong một đồ thị có nhiều kết nối, bạn đã có thể thu được quá nhiều thực thể để xử lý. Bằng cách học các biểu diễn số của thực thể và mối quan hệ, embedding mang đến một cách khác để tìm những phần phù hợp trong đồ thị. Với tác vụ thích hợp, cách này có thể hiệu quả hơn việc lần theo đồ thị.

Thứ hai, các mô hình embedding có thể xếp hạng những mối quan hệ còn thiếu có khả năng tồn tại. Cách học tương tự cũng có thể phát hiện các mẫu trong thuộc tính và mối quan hệ thường thấy ở một kiểu thực thể, qua đó giúp xây dựng đồ thị đầy đủ hơn.

Lý do nên cải tiến từng bước

Để tự quyết định con đường của mình, tránh bị trói buộc vào một nhà cung cấp và mô hình hóa doanh nghiệp thực tế thay vì một phiên bản méo mó do nhà cung cấp áp đặt, bạn có thể bắt đầu như thế nào nếu không có cả một đội ngũ kỹ sư triển khai trực tiếp? Theo tôi, đây là lĩnh vực mà AI hiện đại phát huy thế mạnh, nếu các công cụ hỗ trợ lộ trình từ khám phá đến xác minh.

Trước tiên, hãy dùng các công cụ tự động để khám phá và trích xuất thông tin. Từ tài liệu kinh doanh, chính sách, email hoặc tin nhắn Slack, bạn có thể phác thảo ban đầu về một lĩnh vực. Điều quan trọng là không thể tin rằng bản phác thảo đó chính xác cho đến khi được kiểm chứng.

Kiểm chứng là phần thứ hai. Các công cụ của bạn phải giúp chuyển đổi thuận lợi từ những thông tin ứng viên đã trích xuất sang các nhận định có căn cứ từ nguồn, rồi thành tri thức được một người có trách nhiệm hoặc một hệ thống có thẩm quyền xác thực. Hãy lưu lại nguồn của từng nhận định.

Việc cập nhật tri thức là một quá trình liên tục. Quy trình xử lý phiếu yêu cầu hỗ trợ, hay câu trả lời cho câu hỏi “có bao nhiêu cửa hàng ở New Jersey”, có thể hôm nay không còn giống như cách đây ba năm. Nhưng cập nhật tri thức hiện tại không được xóa bỏ thực tế của ngày hôm qua. Thời điểm một sự kiện được ghi nhận và thời điểm sự kiện đó có hiệu lực có thể khác nhau; một bản thể luận hữu ích cần hỗ trợ cả câu trả lời hiện tại lẫn cái nhìn chính xác về quá khứ. Vẫn cần có người duy trì tính cập nhật của tri thức đó.

Phạm vi có thể rất rộng. Hãy bắt đầu với một tập hợp tài liệu nhỏ hơn, lập bản đồ cho một lĩnh vực hữu ích, rồi từng bước xây dựng bức tranh toàn diện trong khi tạo ra giá trị trên suốt chặng đường.

Hỗ trợ khách hàng là một phạm vi ứng dụng hữu ích: các cuộc gọi đến, email, hệ thống quản lý phiếu yêu cầu, giải pháp xử lý tự động, đội ngũ hỗ trợ có thể phản hồi khách hàng và quy trình chuyển các lỗi thực sự cho bộ phận kỹ thuật. Phạm vi này kết nối tri thức với hành động, đồng thời cho thấy những rủi ro và lợi ích tương tự trong một lĩnh vực có thể quản lý được.

Mô hình dữ liệu dịch vụ chung của ServiceNow cho thấy rõ giới hạn này. Sách trắng CSDM 5 cảnh báo: “Nếu không có dữ liệu này trong các bảng được quy định, bạn có thể không nhận được toàn bộ giá trị của nền tảng AI ServiceNow.” Bản thân lời cảnh báo đã tạo ra một ràng buộc về thiết kế và vận hành: dựa theo mô hình của nhà cung cấp hoặc chấp nhận rủi ro. Nếu điều đó đồng nghĩa với việc cố nhét cái chốt tròn của bạn vào lỗ vuông của họ thì sao?

Giờ hãy giả sử một nền tảng bản thể luận còn cung cấp cả chức năng nhập dữ liệu, chuyển đổi, hành động và các quy tắc nghiệp vụ. Bạn có thể xuất các thực thể, thuộc tính và mối quan hệ. Nhưng liệu bạn cũng có thể chuyển các quy trình chuyển đổi và chuỗi hành động thực thi thay đổi trong cơ sở dữ liệu, gọi webhook và tạo ra những tác động phụ khác không? Các tích hợp gắn kết quá chặt có thể khiến chính doanh nghiệp bị khóa chặt vào nền tảng.

Vì sao tính linh hoạt quan trọng lúc này

Phần mềm đang thâu tóm thế giới, còn AI đang thâu tóm phần mềm. Khi các nhóm dùng AI vừa để xây dựng phần mềm vừa để vận hành phần mềm, ngày càng nhiều logic nghiệp vụ có thể bị gắn chặt với những nền tảng này. Mỗi hoạt động tự động hóa hữu ích cũng có thể trở thành một yếu tố khiến việc chuyển đổi nền tảng thêm phụ thuộc. Để nhà cung cấp cản trở khả năng linh hoạt của bạn là điều nguy hiểm.

Kết luận

Đây là thời điểm tuyệt vời để sống! Không có gì lạ khi mọi người đang khám phá bản thể luận để cung cấp ngữ cảnh cho các tác tử. Mở rộng ngữ cảnh đó sang quy trình và tích hợp có thể tạo ra giá trị thực sự. Hãy quay lại câu hỏi mở đầu. Những điều chỉnh của nhân viên nên giúp mô hình phản ánh doanh nghiệp của bạn chính xác hơn. Sự hiểu biết tích lũy đó quá quý giá để rồi bị bỏ lại khi bạn chuyển đổi nền tảng. Đây cũng là thời điểm tồi tệ để tự đẩy mình vào thế bí.