// BLOG — 2026-11-17

Nó học đúng cái mình làm — kể cả phần mình làm vì lười

Tuần rồi mình đọc một bài rất nhỏ, kiểu bài mà đọc xong mình tưởng là mình sẽ quên ngay.

# Nó học đúng cái mình làm — kể cả phần mình làm vì lười

Tuần rồi mình đọc một bài rất nhỏ, kiểu bài mà đọc xong mình tưởng là mình sẽ quên ngay.

Chuyện là một người viết một công cụ dòng lệnh để tìm file. Không có gì ghê gớm — mình cũng có mấy cái alias làm việc đó. Nhưng cái công cụ này làm một việc khác: nó ghi lại mọi lần mình mở file nào, đi vào thư mục nào, gõ cái gì trước khi mở, rồi huấn luyện một mô hình nhỏ trên chính đống dữ liệu đó. Mỗi lần mình gõ thêm một ký tự, nó xếp hạng lại toàn bộ kết quả.

Rồi tác giả công bố số liệu dùng thật của chính mình, sau khoảng một năm:

  • ▹mở công cụ đó 1.450 lần
  • ▹trung bình gõ 1,6 ký tự là tới nơi cần tới
  • ▹29% số lần gõ không một ký tự nào — mở lên, kết quả đầu tiên đã đúng, Enter
  • ▹80% số lần chọn đúng kết quả đầu tiên, 96% nằm trong top 3
  • ▹đường dẫn trung bình dài khoảng 50 ký tự, tức là gõ khoảng 3% độ dài thật

Mình đọc xong, gấp lại, và không nghĩ tới cái công cụ đó nữa. Mình nghĩ tới cái máy của mình.

Vì con số 1,6 ký tự đó không phải thành tích của một cái tool tìm file. Nó là mô tả một trạng thái: một hệ thống biết mình định làm gì trước khi mình nói ra. Và mình nhận ra chuỗi tự động hoá của mình đang đi đúng hướng đó, chỉ khác một chỗ — nó đang học từ một người không đáng tin: mình.


Config là lời khai. Hành vi là biên lai.

Mình có một tệp luật cho chuỗi việc chạy nền của mình. Năm bước, viết cẩn thận, có ghi chú, có thứ tự, có điều kiện dừng.

Ba tháng sau mình mở log ra đối chiếu. Ba bước chạy đều. Hai bước chưa từng chạy một lần nào.

Không phải vì mình lười sửa file. Mà vì hai bước đó chỉ có nghĩa trong đầu mình lúc viết, còn lúc làm thật thì mình đi đường khác — đường ngắn hơn, đường quen hơn, đường không ai bắt mình giải thích.

Đây là chỗ mình muốn dừng lại một chút, vì nó là gốc của cả bài.

Khi mình viết config, mình là một người lý tưởng hoá. Mình viết cho phiên bản của mình có thời gian, có kỷ luật, có mặt ở đó lúc 10 giờ sáng thứ Ba. Khi mình làm việc, mình là người có deadline — và người có deadline thì không đọc config.

Nên tệp luật đó không phải bản mô tả công việc của mình. Nó là lời khai của mình về công việc. Còn log là biên lai.

Và đây là lý do vì sao kiểu công cụ như cái ở trên hiệu quả đến mức khó chịu: nó không hỏi mình muốn gì. Nó ghi mình đã làm gì. Nó không tin lời khai.

Mình hay nghĩ về chuyện này theo hướng ngược lại với số đông. Ai cũng nói "muốn tự động hoá thì phải viết quy trình ra trước". Mình thì thấy viết quy trình ra trước thường là bước đắt nhất và sai nhất — vì nó ghi lại phiên bản lý tưởng, rồi mình đi xây hệ thống phục vụ một quy trình chưa bao giờ tồn tại.

Cách rẻ hơn: để hệ chạy, ghi lại, rồi mới đọc ra quy trình thật từ dữ liệu.

Có một chi tiết nhỏ trong bài đó mà mình thích hơn cả mô hình: tác giả huấn luyện lại mô hình từ đầu mỗi lần mở, và chỉ đổi sang mô hình mới khi người dùng đang không nhìn màn hình — ví dụ lúc file đang mở trong editor. Vì đổi giữa chừng làm kết quả nhảy lung tung, và cảm giác đó làm người ta mất niềm tin vào cả hệ.

Đó không phải chi tiết kỹ thuật. Đó là một câu trả lời cho câu hỏi mà ai làm automation cũng gặp: máy được phép thay đổi hành vi, nhưng không được thay đổi trước mặt mình. Hệ tự cập nhật mà không có cái "dance" đó thì mình sẽ tắt nó sau hai tuần.


Cái bẫy: tần suất không phải ý định

Giờ tới phần mình nghĩ là phần quan trọng nhất, và cũng là phần mà hầu hết bài viết về "AI học từ hành vi" bỏ qua.

Thói quen của mình không phải một khối. Nó là ba thứ khác nhau xếp chung một chỗ:

  1. 1.Sở thích thật. Mình luôn kiểm tra nguồn trước khi đọc nội dung. Mình luôn đọc bản gốc thay vì bản tóm tắt. Đây là thứ đáng học.
  2. 2.Đường tắt vì lười. Mình luôn chọn phương án đầu tiên khi đang mệt. Mình luôn bỏ qua bước đối chiếu khi việc đang chạy êm. Đây là thứ không đáng học.
  3. 3.Tai nạn lặp lại. Một lần có thứ gì đó hỏng, mình chèn tay một bước để vá. Bước đó ở lại. Ba tháng sau nó thành "quy trình".

Cả ba đều trông giống nhau trong log. Cả ba đều là "hành vi lặp lại". Và một mô hình chỉ nhìn thấy tần suất thì không có cách nào phân biệt.

Chuyện này mình dính rồi, nên kể cụ thể.

Có một đêm nguồn dữ liệu bên ngoài đổi định dạng mà không báo. Chuỗi việc của mình chạy, không lỗi, chỉ là kết quả mỏng đi một cách khó hiểu. Mình ngồi thêm một bước kiểm tra tay vào cuối chuỗi — mất ba phút mỗi lần chạy, nhưng nó cứu mình đêm đó.

Rồi mình quên gỡ.

Ba tháng sau, bước kiểm tay đó vẫn ở đó, và tệ hơn: trong đầu mình nó đã thành một phần của quy trình. Nếu lúc đó mình có một con agent tự học từ log, nó sẽ học đúng bước vá đó như một điều kiện bắt buộc. Và mình sẽ không bao giờ gỡ được, vì lý do gỡ nó không còn tồn tại ở đâu cả — cái sự cố kia đã qua từ lâu, chỉ có bản vá là ở lại, kèm theo một lý do đã bốc hơi.

Đây là điểm yếu chí tử của mọi hệ học từ hành vi: nó biến lỗi thành chuẩn mực. Không phải lỗi của mô hình. Lỗi của dữ liệu — dữ liệu là hành vi thật, mà hành vi thật thì có cả phần mình làm vì mình đang sai.

Có một phiên bản nhẹ hơn của cùng căn bệnh, và nó nguy hiểm hơn vì không ai gọi nó là bệnh.

Mình hay chọn phương án đầu tiên. Không phải vì phương án đầu tiên tốt. Vì phương án đầu tiên ở ngay đó, và khi đang mệt thì "ở ngay đó" là một tiêu chí rất mạnh.

Một hệ xếp hạng học từ dữ liệu đó sẽ kết luận: phương án đầu tiên là phương án đúng. Nó đúng — theo nghĩa thống kê, đúng 80% số lần. Nhưng 20% còn lại là những lần mình mệt và chọn bừa, và mô hình đã học luôn cái mệt đó thành sở thích.

Rồi tới chỗ đau: khi mô hình chắc tới mức đó, nó đặt phương án sai lên đầu, và mình bấm Enter vì quán tính. Mình không còn tín hiệu nào để biết mình vừa bị đoán sai, vì mình đã gõ có 1,6 ký tự. Càng gõ ít, càng ít chỗ để nhận ra lỗi.

Nên con số 29% số lần gõ không một ký tự — với một cái máy tìm file, đó là thành tích. Với một hệ tự động hoá thì cùng một con số đó mang nghĩa ngược lại: nó là tỉ lệ những lần mình không còn kiểm tra gì cả.

Và cái hệ này có một tính chất mà mình chưa thấy ai nói tới: nó luôn đồng ý với mình. Nó học từ chính mình, nên nó xác nhận chính mình. Trong một hệ như vậy không còn ai phản biện. Không có cãi, không có "khoan đã". Chỉ có log xanh.

Người ta hay lo về echo chamber trên mạng xã hội. Cái echo chamber này im hơn nhiều, và nó trả tiền cho mình.


Ba việc để dạy máy phân biệt thói quen và tai nạn

Mình không có giải pháp đẹp. Mình có ba việc, và việc thứ nhất là việc mình đã sai lâu nhất.

Một: ghi ý định ngay lúc hành động, đừng suy ra sau

Mình từng nghĩ "cứ để log lại, sau này đọc ra ý định". Sai. Ý định không nằm trong log, vì log chỉ ghi cái đã xảy ra, không ghi cái mình đang cố tránh.

Nên giờ mỗi lần một bước chạy, mình bắt nó ghi một dòng: lần này vì sao. Không phải bài luận — một dòng, kiểu "nguồn này hay đổi format", "khách này cần bản có số", "đang test cái mới".

Rồi khi đọc lại để học, mình có hai trục thay vì một:

  • ▹tần suất cao + lý do đa dạng → sở thích thật. Đáng học, đáng giữ.
  • ▹tần suất thấp + lý do luôn là "vì X đang hỏng" → bản vá. Không phải luật, phải có hạn.

Cùng một hành động, hai kết luận trái ngược. Khác biệt duy nhất là cái dòng lý do — thứ mà mình phải ghi lúc đang làm, vì lúc đó mình còn nhớ. Ghi sau một tuần là mình sẽ viết ra một lý do nghe hợp lý hơn lý do thật.

// pseudo-code minh hoạ — KHÔNG phải nguồn triển khai
ghi(buoc, ket_qua, ly_do_1_dong)      # bắt buộc, không cho chuỗi rỗng

khi_hoc_lai(cua_so = 90_ngay):
    for buoc in log:
        ts   = tan_suat(buoc)
        ly_do = tap_ly_do(buoc)        # đếm loại lý do, không đếm chữ

        if ts >= NGUONG and da_dang(ly_do) >= 3:
            -> de_xuat "luat"           # sở thích thật
        if ts >= NGUONG and chi_la(ly_do, "dang_hong"):
            -> de_xuat "ban_va_co_han"  # tự hết hạn sau 30 ngày
        if ts < NGUONG:
            -> giu_nguyen, khong_hoc     # một lần chưa phải thói quen
text

Hai: giữ lại vết của cái mình đã bỏ qua

Học từ cái mình chọn là học thiếu một nửa. Cái mình từ chối mới là phần giải thích vì sao mình chọn.

Một cái máy chỉ thấy "mình mở file A" sẽ học A. Một cái máy thấy "mình mở A sau khi đã xem B và C rồi bỏ qua cả hai" mới học được tiêu chí chọn A. Khác biệt giữa hai cái này đúng bằng khác biệt giữa bắt chước và hiểu.

Chuyện này đắt hơn mình tưởng, vì log mặc định thường chỉ ghi kết quả. Ghi cả cái bị bỏ qua nghĩa là log phình lên, và phình theo kiểu khó coi — toàn những dòng "đã xem, không chọn". Mình đã định bỏ qua việc này cho gọn. Rồi nhận ra chính đống "không chọn" đó là thứ duy nhất khiến hệ không biến thành cái máy bắt chước.

Ba: cho phép ngoại lệ mà không thành luật

Đây là chỗ mình nghĩ mọi hệ tự học đang thiếu một cái nút.

Mình cần nói được: "lần này làm khác, nhưng đừng học cái này." Một cái nút. Và hệ phải phân biệt được ba trạng thái chứ không phải hai: một lần / bắt đầu thành thói quen / đã là luật.

Một lần thì im. Ba lần trong hai tuần thì hỏi. Vượt ngưỡng rồi thì đề xuất — kèm bằng chứng: "tôi thấy bạn làm thế này 14 lần trong 6 tuần, lý do ghi lại là X và Y. Cho tôi coi đây là luật không?"

Và cái nút cuối, cái mình giữ chặt nhất: khi mô hình quá tự tin, đó là lúc cần người xem. Nghe ngược, nhưng độ tự tin cao không phải dấu hiệu đúng — nó là dấu hiệu quen. Một hệ tự tin 99% trên một việc mà mình vừa đổi cách làm là hệ đang đoán theo quá khứ, không theo hiện tại.


Phía tiền: onboarding bằng cách quan sát

Nếu anh em đang bán tự động hoá cho người khác, phần này có hệ quả trực tiếp.

Chi phí lớn nhất của một dự án automation không nằm ở khâu build. Nó nằm ở khâu dạy hệ hiểu việc của khách — và đó là lý do rất nhiều demo đẹp mà chốt chậm. Demo chạy trên quy trình mình tưởng tượng. Khách sống trong một quy trình khác, và họ không viết ra được, vì chính họ cũng không biết mình đang làm gì — họ chỉ làm.

Một sản phẩm biết học bằng quan sát cắt được đúng cái khâu đắt đó. Nhưng nó chỉ bán được nếu làm được một việc mà hầu hết sản phẩm "tự học" không làm: nói ra cái nó đã học, và cái nó cố tình không học.

Cái thứ hai mới là thứ chốt hợp đồng. Khách không sợ hệ học. Khách sợ hệ học sai rồi mình không biết. Nên cái báo cáo đáng tiền nhất mỗi tháng không phải "hệ đã tối ưu 12 thứ", mà là:

tuần này tôi thấy một thói quen mới ở bạn (làm X trước Y, 9 lần). Tôi chưa đưa vào luật. Lý do ghi lại đều là "khách này cần bản có số" — nếu đúng là vậy thì đây là ngoại lệ của một khách, không phải luật chung.

Một câu như thế làm được hai việc cùng lúc: nó chứng minh hệ đang quan sát thật, và nó chứng minh hệ biết dừng. Đó là hai thứ mà không bản demo nào giả được.

Về chỉ số, mình đổi hẳn cách đo:

  • ▹số lần khách phải sửa tay trên 1.000 lần chạy — chỉ số cũ, vẫn đúng.
  • ▹thời gian từ lúc bắt đầu dùng tới lần đầu hệ làm đúng mà không ai nhắc — chỉ số của riêng kiểu sản phẩm này, vì nó đo tốc độ học.
  • ▹số đề xuất bị khách từ chối — và đây là chỉ số tốt. Từ chối nghĩa là hệ dám đề xuất và khách còn đang kiểm soát. Hệ không bao giờ bị từ chối là hệ không đề xuất gì, hoặc tệ hơn: hệ đã đoán đúng cái khách muốn nghe.
  • ▹số lần hệ tự tin mà sai — chỉ số xấu nhất, và là cái duy nhất mình muốn thấy bằng 0 trước khi bán cho ai.

Còn một cảnh báo. Đừng bán "hệ tự học" như một điểm bán. Khách không mua việc học. Khách mua việc đã xong. "Tự học" là lý do kỹ thuật giải thích vì sao nó rẻ và nhanh — không phải lợi ích. Mình đã thấy đủ nhiều bản pitch mở đầu bằng "hệ thống của chúng tôi tự học từ dữ liệu của bạn" và kết thúc bằng việc khách gật đầu rồi không ký, vì câu đó nghe như một lời hứa về tương lai chứ không phải một việc xong trong tháng này.


Kết

Quay lại con số 1,6 ký tự.

Mình nghĩ cái hay nhất của kiểu hệ đó không phải là nó thông minh. Là nó trả lại cho mình thời gian ở đúng chỗ mình hay mất thời gian nhất — cái chỗ mà mình không làm gì có giá trị, chỉ đang nhớ đường.

Nhưng càng nghĩ mình càng thấy có một món nợ đi kèm, và nó không nằm trong hoá đơn. Khi hệ đoán giỏi tới mức mình gõ 1,6 ký tự, mình cũng mất luôn cái khoảng lặng để nhận ra nó đoán sai. Cái khoảng lặng đó trước đây là một phiền toái. Hoá ra nó là cơ chế kiểm tra.

Nên câu hỏi mình mang về cho hệ của mình không còn là "làm sao để nó học giỏi hơn". Mà là: chỗ nào mình phải giữ cho mình vẫn còn phải gõ?

Với mình, hiện tại là ba chỗ: lúc đổi luật tiền, lúc hệ nói "xong" cho một việc không hoàn tác được, và lúc nó đề xuất học một thói quen mới. Ba chỗ đó mình giữ nguyên phiền toái. Cố ý.

Anh em thì sao — trong hệ của anh em, có thói quen nào đang được chạy như một luật mà thật ra nó chỉ là một bản vá của một đêm nào đó cách đây vài tháng? Mình cá là mỗi người kể được ít nhất một cái. Mình rất muốn nghe cái của anh em, nhất là cái mà anh em đã quên mất vì sao nó ở đó.