AI đọc tin nhắn Zalo có chính xác không? Độ chính xác thực tế
AI4E ghi nhận độ chính xác khoảng 90% trên toàn hệ thống. Con số đó chỉ có ý nghĩa khi hiểu nó đo cái gì: độ chính xác không phải một số duy nhất mà khác nhau theo từng trường thông tin, và phụ thuộc nhiều vào chất lượng danh mục sản phẩm của shop.
Trên toàn hệ thống, AI4E ghi nhận độ chính xác khoảng 90%. Nhưng một con số duy nhất luôn che mất điều quan trọng: độ chính xác khi đọc tin nhắn Zalo không giống nhau giữa các trường thông tin. Số điện thoại và số lượng là những trường có dạng rõ ràng nên dễ đạt độ chính xác cao; địa chỉ giao hàng viết tắt và tên sản phẩm khách gọi theo cách riêng thì khó hơn nhiều. Vì vậy câu hỏi đúng không phải "AI chính xác bao nhiêu phần trăm" mà "AI chính xác đến mức nào ở trường nào, và cơ chế nào xử lý phần còn lại". Bài viết giải thích cả hai.
Trường thông tin nào dễ, trường nào khó
Mức độ khó phụ thuộc vào việc thông tin đó có dạng chuẩn hay không, và có cần đối chiếu với dữ liệu riêng của shop hay không:
| Trường | Độ khó | Nguyên nhân |
|---|---|---|
| Số điện thoại | Dễ | Có dạng cố định, dễ nhận diện và kiểm tra |
| Số lượng | Dễ | Là số, thường đi kèm đơn vị |
| Tên khách | Trung bình | Có thể trùng với cách gọi thân mật, dễ lẫn |
| Tên sản phẩm | Khó | Khách gọi tắt, gọi sai, gọi theo tên cũ — cần đối chiếu danh mục shop |
| Địa chỉ giao hàng | Khó | Viết tắt tên đường/phường, thiếu cấp hành chính, thứ tự lộn xộn |
| Ghi chú đặc biệt | Khó | Diễn đạt tự do: giao giờ hành chính, gọi trước khi tới, không giao thứ Bảy |
| Đơn sửa nhiều lần trong hội thoại | Khó | Phải hiểu tin nhắn sau ghi đè tin nhắn trước |
Điều gì làm độ chính xác tăng hoặc giảm
Yếu tố ảnh hưởng lớn nhất không nằm ở mô hình AI mà ở dữ liệu shop cung cấp:
- Danh mục sản phẩm có tên gọi khác — bổ sung các cách khách thật sự gõ giúp cải thiện rõ nhất ở trường khó nhất.
- Mặt hàng có tên gần giống nhau — cùng dòng sản phẩm chỉ khác dung tích hoặc màu là nguồn nhầm lẫn phổ biến, nên tách tên rõ ràng.
- Độ dài hội thoại — hội thoại kéo dài nhiều ngày, xen kẽ nhiều chủ đề, khó hơn hội thoại đặt hàng gọn.
- Ảnh và file khách gửi — ảnh chụp rõ đọc tốt hơn ảnh mờ hoặc ảnh chụp lại từ màn hình khác.
- Phản hồi khi sửa đơn — mỗi lần người xác nhận sửa một trường là một tín hiệu để cải thiện.
Cách tự kiểm chứng thay vì tin con số
Cách đánh giá đáng tin nhất là đo trên chính hội thoại của shop, theo bốn bước:
- Lấy 100 hội thoại đặt hàng thật, chọn cả đơn dễ và đơn phức tạp — đừng chỉ chọn đơn mẫu.
- Cho AI trích xuất, không sửa gì.
- Đối chiếu từng trường với đơn đúng, ghi nhận sai ở trường nào chứ không chỉ đếm số đơn sai.
- Xem lại các trường hợp sai để phân loại: do danh mục thiếu tên gọi, do hội thoại thật sự nhập nhằng, hay do AI đọc sai.
Bước 4 quan trọng nhất. Nếu phần lớn lỗi thuộc nhóm đầu thì đó là việc chuẩn hóa dữ liệu, xử lý được nhanh — xem những gì cần chuẩn bị khi tích hợp. Nếu hội thoại thật sự nhập nhằng thì con người đọc cũng phải hỏi lại khách, và đó không phải lỗi của AI.
Trước đây mỗi ngày phải ngồi chuyển đơn từ Zalo sang KiotViet bằng tay, dễ sót và hay nhầm. Từ khi dùng AI4E, đơn tự đồng bộ trong vài giây — team chỉ cần xác nhận và đóng gói.
Chi tiết đáng chú ý trong nhận xét này: quy trình thủ công cũng "dễ sót và hay nhầm". Mốc so sánh hợp lý cho AI không phải sự hoàn hảo, mà là tỷ lệ sai của chính con người khi nhập tay hàng trăm đơn mỗi ngày.
AI có đọc được tiếng Việt viết tắt, không dấu, sai chính tả không?
Đây là dạng dữ liệu phổ biến nhất trong hội thoại Zalo nên hệ thống được thiết kế để xử lý. Mức chính xác giảm dần khi tin nhắn càng nhập nhằng, và những trường không chắc chắn sẽ được gắn cờ để người xác nhận.
AI đọc được ảnh khách gửi không?
Có. AI4E Zalo đọc tin nhắn, ảnh chụp màn hình và file khách gửi. Chất lượng ảnh ảnh hưởng trực tiếp đến kết quả: ảnh rõ cho kết quả tốt hơn ảnh mờ hoặc chụp lại qua màn hình khác.
Khách sửa đơn giữa hội thoại thì AI lấy thông tin nào?
Thông tin mới nhất trong hội thoại được ưu tiên, và đây là trường hợp nên nằm trong nhóm cần xác nhận khi chạy thử, vì hệ quả của việc hiểu sai là gửi sai hàng.
Độ chính xác có cải thiện theo thời gian không?
Có hai nguồn cải thiện: dữ liệu shop bổ sung dần (tên gọi khác của sản phẩm, quy tắc nghiệp vụ) và các lần người xác nhận sửa đơn. Vì vậy đừng đánh giá dựa trên tuần đầu tiên.