Khả năng và Giới hạn của AI
trong Social Insight
Trong bài viết trước chúng ta đã tìm hiểu về phương pháp tiếp cận đối với AI và framework để phối hợp 2 loại năng lực: Con người x AI. Bây giờ, hãy đi sâu hơn theo từng cấp độ, các nhiệm vụ AI đang làm tốt, cùng với đó là các khu vực AI vẫn còn sơ khai, cần những chuyên gia Con người dẫn dắt.
AI LÀM ĐƯỢC – 3 năng lực vượt trội
Xử lý khối lượng lớn
AI thể hiện ưu thế tuyệt đối trong việc xử lý khối lượng dữ liệu lớn trong thời gian ngắn, mà con người khó có thể thực hiện được. Trong các thử nghiệm xử lý thảo luận trên mạng xã hội, AI giúp chúng tôi tiết kiệm được hơn 50% thời gian, với độ chính xác hậu kiểm tương đương.
Tiếp theo, AI cũng ưu việt trong các nhiệm vụ nhận diện mẫu tương đồng trong dữ liệu lớn. Ví dụ, khi một hashtag bắt đầu viral, AI có thể ngay lập tức phát hiện xu hướng và theo dõi quá trình lan truyền trên nhiều nền tảng, thậm chí trước khi con người kịp nhận ra.
Ngược lại, trong trường hợp thương hiệu đột nhiên được nhắc đến với tần suất cao bất thường, hệ thống sẽ ngay lập tức cảnh báo để con người xem xét và phản ứng kịp thời.
Phân tích cơ bản
Hiện nay, các mô hình mới như gpt-4.1 (OpenAI), gemini-2.5-pro (Google) đã đạt được độ chính xác cao trong việc phân loại sắc thái thảo luận cơ bản. Đối với nội dung tiếng Việt chuẩn, các mô hình AI trên có thể đánh giá tính tiêu cực, tích cực hoặc trung tính với độ chính xác đến 90%.
Đồng thời, trong việc gom nhóm chủ đề và từ khóa giống nhau, AI cũng rất ấn tượng. Hệ thống có thể tự động phân loại hàng nghìn bài viết thành các nhóm chủ đề chính, xác định các từ khóa xu hướng và tính tần suất xuất hiện một cách chính xác.
Bổ sung cho góc nhìn này, một nghiên cứu đăng trên tạp chí Sustainability (MDPI, 2023) cho thấy việc ứng dụng AI vào phân tích thảo luận mạng xã hội đã giúp tăng tốc độ phân loại nội dung, xác định chỉ số cảm xúc và phát hiện các biến động bất thường theo thời gian lên gấp 2 – 4 lần so với phương pháp truyền thống. Quan trọng hơn, AI hoạt động liên tục 24/7 mà không phụ thuộc vào con người.
Tự động hóa báo cáo
Cuối cùng, một trong những giá trị lớn nhất của AI nằm ở khả năng tự động hóa các tác vụ lặp đi lặp lại. Điển hình, AI có thể viết các tóm tắt nội dung từ hàng nghìn bài viết, giám sát và cảnh báo 24/7. Giúp nhận diện các tình huống khẩn cấp, khủng hoảng truyền thông, hoặc cơ hội bắt trend bất kể ngày đêm.
Khi được tích hợp trong các hệ thống báo cáo tự động, AI cũng có thể hỗ trợ tổng hợp dữ liệu, tạo biểu đồ, viết mô tả và đề xuất cho các hoạt động đơn giản.
AI CHƯA LÀM ĐƯỢC – 3 vùng "tối"
Hiểu ngôn ngữ và văn hóa
Đây là thách thức lớn nhất của AI ở Việt Nam, các mô hình này vẫn chưa thể hiểu được ngôn ngữ mạng với những đặc trưng như mỉa mai, châm biếm, ẩn dụ và nói quá… chứ chưa nói đến viết tắt, teencode. Kế đến là sự khác biệt về phương ngữ vùng miền, cùng một ý nghĩa nhưng có thể được diễn đạt hoàn toàn khác nhau giữa các tỉnh / thành.
Về mặt nghiên cứu, theo MDPI (2023), AI gặp khó khăn trong việc xác định đúng cảm xúc hoặc chủ đề khi văn bản chứa các hình thức diễn đạt phi trực diện hoặc có yếu tố hài hước. Ví dụ, thảo luận “đẹp điên” có thể bị phân loại tiêu cực, hay “ngon bá cháy” lại bị xếp vào nhóm nội dung cháy, nổ.
Cuối cùng là các meme (ảnh chế), từ lóng thay đổi hàng ngày. AI không thể bắt kịp tốc độ này mà không có sự can thiệp liên tục của con người.
Tính toán khoa học
Có thể bạn chưa biết, AI vẫn mắc lỗi trong các phép tính cơ bản. Ví dụ, khi được hỏi “9.11 và 9.9, số nào lớn hơn?“, dù các mô hình AI như Gemini 2.5 Flash, Meta Llama 4 mới ra mắt gần đây, nhưng đều trả lời sai vì hiểu 9.11 như một số có nhiều chữ số hơn.
Về mặt kỹ thuật, các mô hình ngôn ngữ lớn được thiết kế để dự đoán từ tiếp theo trong một chuỗi văn bản dựa trên xác suất, chứ không được xây dựng để kiểm tra tính hợp lý, logic hay tính toán thống kê chuẩn.
Theo tài liệu kỹ thuật về GPT-4 của OpenAI (2023), dù LLM có khả năng xử lý văn bản nhanh và chính xác ở nhiều ngữ cảnh, nhưng vẫn dễ mắc lỗi khi cần suy luận logic, thực hiện so sánh số học đơn giản, hoặc áp dụng quy tắc thống kê định lượng, được xem là những yếu tố then chốt trong các báo cáo nghiên cứu định tính hoặc định lượng.
Tư duy chiến lược
AI vẫn chưa có khả năng đưa ra giả thuyết và tìm kiếm nguyên nhân cho một hiện tượng. Trong trường hợp, một thương hiệu đột nhiên có sentiment tiêu cực tăng cao, AI có thể báo cáo con số nhưng không thể đưa ra giả thuyết về nguyên nhân hoặc đề xuất hướng điều tra.
Khả năng dự đoán ảnh hưởng và dự báo dài hạn cũng rất hạn chế. Dĩ nhiên nó có thể hỗ trợ phân tích xu hướng trong quá khứ, nhưng dự báo tác động trong 6 – 12 tháng tới đòi hỏi hiểu biết sâu về thị trường, tâm lý người tiêu dùng và các yếu tố kinh tế – chính trị mà AI hoàn toàn đứng ngoài cuộc.
Hay trong việc đưa ra giải pháp sáng tạo, AI thường chỉ có thể đưa ra những đề xuất chung chung dựa trên mẫu có sẵn. Như khi một thương hiệu gặp khủng hoảng truyền thông, AI có thể đề xuất “xin lỗi công khai” hoặc “tăng cường CSR“, nhưng không thể nghĩ ra các giải pháp độc đáo, phù hợp với văn hóa doanh nghiệp hoặc tình huống xã hội tại thời điểm đó.
Quan trọng nhất, khả năng liên kết dữ liệu social với mục tiêu kinh doanh thì chỉ con người mới có thể làm được. Một chiến dịch truyền thông có hiệu ứng trên mạng xã hội tốt, nhưng doanh số vẫn không tăng trưởng đáng kể thì cần được tối ưu hóa như thế nào? Rõ ràng, đây là lúc cần đến strategic thinking của những lão làng trong nghề, chứ không phải AI reasoning.
VÙNG CỘNG TÁC – Phối hợp tối ưu
giữa AI và Con người
Dựa trên kinh nghiệm thực tế triển khai AI, chúng tôi đã phát triển một ma trận đơn giản giúp xác định khi nào nên dùng AI, khi nào cần con người, và khi nào có thể kết hợp cả hai:
AI: Dữ liệu khối lượng lớn, Cấu trúc rõ ràng
Những công việc có khối lượng dữ liệu lớn, cấu trúc rõ ràng và tính chất lặp đi lặp lại hoàn toàn phù hợp với AI. Ví dụ: thu thập dữ liệu từ API, phân loại cảm xúc cơ bản, đếm tần suất, theo dõi đề cập, tạo báo cáo tự động. Ở những nhiệm vụ này, AI hiệu quả hơn vì không bị mất tập trung, mệt mỏi hay quyết định chủ quan.
CON NGƯỜI: Dữ liệu đa tầng, Quyết định phức tạp
Những công việc cần xem xét kỹ lưỡng và hiểu biết sâu về bối cảnh, thị trường… nên hoàn toàn giao cho con người. Ví dụ: strategic planning, crisis communication strategy, creative ideation, stakeholder management, ethical decisions.
CỘNG TÁC: AI xử lý, Con người kiểm soát
Cuối cùng, đây là vùng giao nhau nơi AI thực hiện xử lý ban đầu, con người kiểm soát, xem xét bối cảnh, đưa ra quyết định. Ví dụ: AI phân tích sentiment, Con người kiểm soát chất lượng và độ chính xác, sau đó đi tìm lời giải; AI nhận biết xu hướng mới, Con người xem xét tính liên quan và khả năng “bắt trend” truyền thông, kinh doanh.
TẦM NHÌN DÀI HẠN – Định hình
tương lai Social Listening
Để kiến tạo nên thành công trong kỷ nguyên AI không phải là ai sở hữu mô hình tân tiến nhất. Mà nằm ở việc, ai có thể cân bằng những điểm mạnh của Trí tuệ nhân tạo và Con người để tạo ra insight đáng tin cậy, có tính ứng dụng cao vào truyền thông và kinh doanh.
Trên hành trình đó, YouNet Media cam kết tiếp tục tiên phong trong phát triển giải pháp, không chỉ để mang lại giá trị tối đa cho khách hàng hiện tại mà còn để định hình tương lai của ngành social listening tại Việt Nam.
AI và Social Insight: Đảm bảo Độ tin cậy của Dữ liệu Đầu vào
Những yếu tố cốt lõi quyết định chất lượng phân tích social insight: cơ chế thu thập dữ liệu, quy trình xử lý thông tin, và phương pháp tích hợp AI với chuyên môn con người.
4 Tiêu chí Vàng khi lựa chọn Giải pháp Social Listening
Việc lựa chọn không chỉ đơn thuần dựa trên báo giá hay những tính năng hào nhoáng, mà cần am hiểu về tiêu chí kỹ thuật, đảm bảo độ chính xác, cân bằng...
